Одной из важнейших задач на современном этапе является мониторинг земель сельскохозяйственного назначения, подразумевающий, в том числе уточнение границ пахотных земель и контуров отдельных полей, выявление фактических несоответствий произрастающих типов культур заявленным агропроизводителями, прогнозирование урожайности. Для оценки растительного покрова и идентификации сельхозкультур в последнее время применяются данные ДЗЗ. Работы в области распознавания и классификации культур чаще всего базируются на соответствующих характеристиках сезонного хода индексов вегетации для каждого класса [2, 7]. В частности, одним из наиболее употребимых индексов является NDVI (Normalized difference Vegetation index) [3, 4]. В некоторых исследованиях в качестве параметра классификатора используется EVI (Enhanced Vegetation Index) [5, 6]. Однако, применительно к российскому Дальнему Востоку, существующие алгоритмы идентификации и классификации имеют меньшую точность, что, соответственно, обусловлено особенностями циклов вегетации сельхозкультур в регионе, и требует дополнительного изучения [1].
Для построения сезонных временных рядов NDVI и EVI использовались 37 снимков Хабаровского района, полученные в 2021 г. со спутников Sentinel-2A/B. Все пиксели были разбиты на 9 классов: соя, гречиха, овес, пар, кукуруза, залежь, многолетние травы, сорняки и прочее.
Общая точность классификации на основе метода Decision Tree Classifier составила: для NDVI – 90%, для EVI – 89,3%. Значение F1-метрики в среднем для всех культур находилось на уровне 0,83 при использовании NDVI, и 0,84 для EVI. Общая точность модели Random Forest для NDVI и EVI превысила 95%, a значения F1-метрики – 0,93. Значения F1-метрик для отдельных культур соответствовали диапазону 0,35 – 0,97 при применении Decision Tree Classifier, и 0,78 – 0,99 при использовании Random Forest. При этом минимальные значения F1-метрик были характерны для класса «прочие».
В целом, при классификации пахотных земель Хабаровского района на основе метода Decision Tree Classifier лучшие результаты были достигнуты при использовании EVI. Метод Random Forest продемонстрировал схожие результаты для двух типов индексов вегетации.
При выполнении работы были использованы ресурсы Центра коллективного пользования научным оборудованием «Центр обработки и хранения научных данных ДВО РАН»