Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 14–18 ноября 2022 г.

(http://conf.rse.geosmis.ru)

XX.F.513

Анализ характеристик лесов на основе радиолокационных и оптических данных дистанционного зондирования на примере центральной Якутии

Созонтова А. А. (1), Тутубалина О. В. (1)
(1) МГУ имени М.В. Ломоносова Географический факультет, Москва, Россия
Лесной покров планеты, как один из значимых природных ресурсов и хранитель существенной доли мирового углерода, давно исследуется при помощи данных дистанционного зондирования. В последние годы получили развитие исследования с использованием радиолокационных данных, на получение которых не влияют облачность и освещение, и данных беспилотной съемки, проводимой ниже облачного покрова и с любой частотой.
Данная работа посвящена оценке запасов древесины и определению породного состава лесов центральной Якутии на основе мультимасштабных данных дистанционного зондирования в оптическом (материалы беспилотной съемки) и радиодиапазоне (Sentinel-1 SAR, ALOS-2 PALSAR).
Оценка запасов древесины была проведена установлением зависимости между значениями радиолокационных сигналов и поствольных запасов древесины, вычисленных на основе данных беспилотной съемки, в ходе регрессионного анализа. Результаты демонстрируют, что длинноволновые радиолокационные данные ALOS-2 PALSAR-2 более чувствительны к запасам, чем коротковолновые данные Sentinel-1 SAR. Кроме того, наиболее чувствительны сигналы, полученные при отрицательной температуре воздуха в момент съемки. Наилучшая оценка имеет коэффициент детерминации R2 = 0,47 и СКО = 43 м3/га для объемного рассеяния, полученного в результате декомпозиции Freeman-Durden октябрьского снимка ALOS-2 PALSAR-2. Данные в С-диапазоне не показали хороших результатов даже в случае разреженных якутских лесов.
Классификация породного состава лесов проводилась на основе радиолокационных сигналов и производных продуктов алгоритмом Random Forest. Для снимков ALOS-2 PALSAR-2 достоверность классификации на отобранных наиболее ценных признаках составила 87 % на тестовой выборке. Ценными признаками были когерентности для пар снимков за разные даты и объемное рассеяние. Наибольшее количество ошибок было получено в классах лиственничного, березово-лиственничного и березового лесов. Для снимков Sentinel-1 SAR наибольшая достоверность классификации существенно ниже и достигает 55 %. Несмотря на то, что снимки Sentinel-1 SAR хуже справлялись с определением породного состава лесов, они имеют перспективы в использовании для выделения лесных масок.
Работа выполнена по российско-британскому проекту «Мультиплатформенный дистанционный мониторинг воздействия изменения климата на северные леса России». Проект финансируют Британский Совет (грант Institutional Links № 352397111) и Министерство науки и высшего образования РФ (уникальный идентификатор проекта RFMEFI61618X0099).

Ключевые слова: радиолокационные данные, полнополяризованные снимки, многовременные снимки, БПЛА, классификация снимков, Random Forest, регрессионный анализ, породный состав лесов, запасы древесины, Sentinel-1 SAR, ALOS-2 PALSAR-2

Презентация доклада



Ссылка для цитирования: Созонтова А.А., Тутубалина О.В. Анализ характеристик лесов на основе радиолокационных и оптических данных дистанционного зондирования на примере центральной Якутии // Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2022. C. 334. DOI 10.21046/20DZZconf-2022a

Дистанционное зондирование растительных и почвенных покровов

334