Традиционно для получения информации об изменениях параметров почвенно-растительного покрова используются многоспектральные спутниковые изображения низкого и среднего разрешения. Несмотря на высокую оперативность, использование такого рода данных имеет ряд известных проблем в зонах с высокой пространственной изменчивостью исследуемых объектов. Для получения более детальной информации необходимо использовать данные с высоким пространственным и спектральным (гиперспектральные изображения, ГИ) разрешением. В недавнем прошлом, изображения сверхвысокого разрешения (ИСР) с размером пикселя менее 2 м (WorldView 2, 3, 4, GeoEye-1, Pleades) использовались в основном для экспертного контурного дешифрирования, визуального обнаружения незаконных рубок, очагов разрушения и выгорания. В настоящее время проводится широкий спектр исследований по использованию спутниковых ИСР для автоматизации решения ряда задач, связанных с классификацией и определением параметров объектов почвенно-растительного покрова.
Повышение эффективности методов дистанционного определения лесотаксационных и биопродукционных параметров является одной из актуальных задач данного направления. При разработке методов тематической обработки (ТО) изображений лесных территорий, сверхвысокое пространственное разрешение позволяет учитывать распределение освещенности элементов лесного полога, рассматривать более широкий набор текстурных признаков, производить сегментацию крон отдельных деревьев и использовать полученные результаты для повышения точности дистанционного определения параметров древостоев. Использование ГИ позволяет рассматривать задачи классификации, для решения которых требуется учитывать более тонкие спектральные особенности исследуемых объектов.
Данное исследование посвящено разработке нового подхода совместной спектрально-текстурной ТО ИСР и ГИ с целью повышения информативности процедур классификации объектов почвенно-растительного покрова, в том числе для определения породного состава и возрастных классов лесных территорий. Отличительной особенностью исследования является комплексный подход, состоящий в использовании разработанных нами ранее модификаций методов машинного обучения, позволяющих более эффективно использовать набор имеющихся спектральных и текстурных признаков при сохранении способности к обобщению. Полученные в ходе исследования оценки информационного содержания дистанционных данных играют важную роль при решении задачи оптимизации признаков, которая неизбежно возникает при совместной ТО изображений высокого пространственного и спектрального разрешения.
Для отработки предлагаемого подхода используются тестовые участки Савватьевского, Бронницкого и Валуйского лесничеств, для которых имеются актуальные данные наземных обследований. Проведено исследование информативности текстурных признаков. Исследованы взаимные зависимости признаков, а также выделены признаки нечувствительные к выбору направления смежности. На основе ансамблевого метода прямого отбора выделены наиболее информативные признаки. Проведено сравнение эффективности использования мультиспектральных изображений среднего и высокого пространственного разрешения для решения рассматриваемой задачи. Полученные результаты тематической обработки показывают эффективность предлагаемых методов при проведении работ по актуализации данных лесоустройства в рамках программы Государственной инвентаризации лесов.