В работе предлагается метод классификации данных ДЗЗ, который анализирует последовательность снимков на территорию в течение определенного периода времени. Часто на данных ДЗЗ некоторые классы имеют похожие спектральные и текстурные характеристики. Например, сложно разделяются хвойные и лиственные леса, вырубки и кустарники, пастбища и сельскохозяйственные поля. Существующие методы анализа данных ДЗЗ не позволяют их классифицировать с приемлемым качеством, позволяющих принимать экономически выгодные управленческие решения с одновременных сохранением и улучшением экологического состояния территории.
Предлагаемый метод состоит из двух основных шагов: классификация снимков по отдельности и анализ последовательности результатов классификации. Для классификации спутниковых изображений по отдельности применялась сверточная нейронная сеть ResNet-50. Сформирована обучающая выборка, содержащая характерные для исследуемой территории Иркутской области 12 классов. Существуют определенные зависимости и ограничения динамики территорий, в том числе временные. Смену классов на исследуемой территорий можно моделировать с помощью графа переходов классов, где вершины соответствуют классам, а дуги – их возможным переходам. При анализе последовательности производится с учетом графа перехода, что позволяет избежать ошибок классификации за счет сужения возможного набора классов. Анализ последовательности данных также позволит оценить длительность некоторых переходов из одного класса в другой, если конечно такой переход происходит в рамках наличия данных ДЗЗ. С помощью метода сформированы карты Иркутской области республики Бурятии за 2019-2020 гг., которые не содержат облачность, зоны отсутствие данных и подтопления. Учет ограничений позволил улучшить точность классификации за счет сужения возможного набора классов.