Информационно-аналитическое обеспечение играет важную роль в производственных процессах агропромышленного комплекса. Особое внимание уделяется оценке состояния посевов в период формирования урожая. Использование спутниковых данных значительно расширяет возможности наблюдения за состоянием земель сельскохозяйственного назначения. C развитием группировки космических аппаратов серии «Метеор-М», преимуществами которых является периодичность съемки и пространственное разрешение снимков, приоритетным направлением стало применение данных прибора КМСС в сельскохозяйственном мониторинге. Целью настоящей работы является разработка методики для оценки состояния посевов яровой пшеницы по трём градациям: плохое, удовлетворительное, хорошее.

При решении поставленной задачи использовался алгоритм машинного обучения XGBoost, который значительно оптимизирует затрачиваемые вычислительные ресурсы. Перед обучением модели производилась настройка гиперпараметров для минимизации функции потерь. По территории Новосибирской области за вегетационные сезоны 2021-2023 гг. был сформирован массив исходных данных, включающий: вегетационные индексы (NDVI), метеорологические параметры (количество осадков, средняя температура воздуха), экспертные оценки состояния посевов (КСХ-1м). Спутниковые измерения проводились по данным прибора КМСС-2 КА «Метеор-М» №2-2. Результаты агрометеорологических обследований предоставлены Федеральной службой по гидрометеорологии и мониторингу окружающей среды. На основе сопоставления показателей спутниковых и наземных наблюдений за совпадающие даты был сформирован 771 набор переменных. Кросс-валидация обученной модели осуществлялась методом k-Fold, где разделение проверочной выборки выполнялось с условием сохранения присутствия каждой из градаций состояния посевов. Итоговая точность на тестовой выборке составила 92%.

В представленной работе сформирован обучающий набор данных, на основе которого с применением машинного обучения реализован алгоритм определения состояния посевов яровой пшеницы по данным КА серии «Метеор-М». Рассчитанные характеристики растительного покрова отражают текущее развитие культуры и её относительную продуктивность. Полученные результаты подтверждают перспективность использования предложенной методики для решения задач сельскохозяйственного мониторинга.