Материалы 22-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 11–15 ноября 2024 г.

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

XXII.F.504

Сравнительный анализ методов машинного обучения при картографировании массивов открытых песков по спутниковым данным

Полтарин В.С. (1), Шинкаренко С.С. (1)
(1) Институт космических исследований РАН, Москва, Россия
Проблема деградации аридных пастбищ России интенсифицировалась после периода относительно устойчивого функционирования после 2018-2019 гг. в большинстве регионов юга европейской России (Дорошенко, 2023; Дорошенко, Мелихова, 2023; Шинкаренко и др., 2023; 2024; Yuferev et al., 2023). Картографирование подвижных песчаных массивов по данным дистанционного зондирования позволяет своевременно выявить наиболее подверженные интенсивным дефляционным процессам участки (Геоинформационное…, 2024), что дает возможность разработать мероприятия по их стабилизации (Методические…, 2021).
В докладе рассматривается сравнительная характеристика ансамблевых методов машинного обучения для задач бинарной классификации открытых песков и дефлированных территорий в аридных пастбищных ландшафтах на основе обучающей выборки, полученной с помощью масок максимальных и минимальных значений площади открытых песков за весь рассматриваемый год по ежемесячным данным Sentinel-2 (Биарсланов и др., 2023; Кашницкий и др., 2022). Приведены основные шаги для получения качественной классификации с помощью библиотеки scikit-learn для python, различные метрики точности, а также временные затраты на обучение ансамблевых моделей. Выявлено, что при сопоставимом уровне точности при использовании различных методов, основными критериями для выбора модели является минимальное число необходимых гиперпараметров, а также время, затраченное на обучение. Схожие с открытыми песками по спектрально-отражательным свойства солончаки были предварительно картографированы на основе метода, предложенного в работе (Шинкаренко, Барталев, 2023).
Автоматизированное дешифрирование для задач обнаружения открытых песков и дефлированных территорий по спутниковым данным ансамблевыми методами машинного обучения имеет высокую точность, автономность выполнения, а также универсальность в использовании модели на протяжении года даже с учетом фенологических изменений. Границы полигонов, полученные в результате расчета моделей, хорошо согласуются с уже имеющимися данными, однако по подсчетам площадей было выявлено, что модели машинного обучения способны идентифицировать те пиксели, которые классические методы были не способны найти. Выявлено, что при корректном подборе гиперпараметров, точность итоговой модели составляет около 99%, а время, затраченное на работу, различается весьма заметно. Таким образом, наиболее быстрые результаты дали модели HistogramGradientBoosting и XGBoost, но при сравнении этих моделей в контексте точности, метод HistogramGradientBoosting проигрывает.

Работа выполнена в рамках темы ИКИ РАН «Мониторинг» (госрегистрация № 122042500031-8) с использованием сервиса «Вега-Science» (Loupian et al., 2022) и инфраструктуры Центра коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2015).

Ключевые слова: Машинное обучение, деградация, аридные ландшафты, опустынивание, дистанционное зондирование
Литература:
  1. Биарсланов А. Б., Шинкаренко С. С., Гаджиев И. P. Картографирование и анализ сезонной динамики площадей опустынивания на севере Дагестана по ежемесячным композитам Sentinel-2 // Современные проблемы дистанционного зондирования Земли из космоса. 2023. T. 20, № 1. С. 160-175. DOI: 10.21046/2070-7401-2023-20-1-160-175
  2. Геоинформационное картографирование опустынивания аридных, субаридных и сухих субгумидных регионов Российской Федерации на основе данных дистанционного зондирования и полевых исследований: монография / В.Г. Юферев, К.Н. Кулик, А.М. Пугачёва [и др.]. - Волгоград: ФНЦ агроэкологии РАН, 2024. - 272 с. EDN: KQBZAY
  3. Дорошенко В.В. Динамика площади открытых песков на северо-востоке Ставропольского края в 2022 г // Географический вестник. 2023. № 4(67). С. 127-136. DOI 10.17072/2079-7877-2023-4-127-136.
  4. Дорошенко В.В., Мелихова А.В. Оценка проявлений опустынивания в Астраханском Заволжье по данным дистанционного зондирования Земли // Известия НВ АУК. 2023. № 2(70). С. 239-246. DOI 10.32786/2071-9485-2023-02-27.
  5. Кашницкий А.В., Бурцев М.А., Прошин А.А. Технология создания безоблачных композитных изображений по данным спутников серии Sentinel 2 // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 76–85. DOI: 10.21046/2070-7401-2022-19-5-76-85.
  6. Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 263–284.
  7. Методические рекомендации по фитомелиоративной реконструкции деградированных и опустыненных пастбищ Российской Федерации инновационными экологически безопасными ресурсосберегающими технологиями / А. И. Беляев, К. Н. Кулик, А. С. Манаенков, В. И. Петров, В. Г. Юферев, Г. В. Ольгаренко, Б. К. Болаев, А. М. Пугачёва, Л. П. Рыбашлыкова, М. В. Власенко, Е. А. Корнеева, Н. А. Ткаченко, С. С. Шинкаренко. Волгоград: ФНЦ агроэкологии РАН, 2021. 68 с. EDN: KOHPDJ.
  8. Шинкаренко С. С., Барталев С. А. Картографирование соровых понижений и солончаков в Северном Прикаспии на основе многолетних данных Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 5. С. 153–165. DOI: 10.21046/2070-7401-2023-20-5-153-165.
  9. Шинкаренко С.С., Барталев С.А., Биарсланов А.Б. Изменения площадей открытых песков и дефлированных пастбищ на юго-востоке европейской части России в 2023 году // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 3. С. 321-330. DOI: 10.21046/2070-7401-2024-21-3-321-330
  10. Шинкаренко С.С., Выприцкий А.А., Васильченко А.А., Берденгалиева А.Н. Анализ влияния антропогенных нагрузок на процессы опустынивания в северном прикаспии по спутниковым данным // Исследование Земли из космоса. 2023. № 3. С. 44-57. DOI: 10.31857/S0205961423030065
  11. Loupian E., Burtsev M., Proshin A. et al. Usage Experience and Capabilities of the VEGA-Science System // Remote Sensing. 2022. V. 14. No. 1. P. 77. DOI: 10.3390/rs14010077
  12. Yuferev V.G., Silova V.A, Tkachenko N.A. Remote Monitoring of Desertification in Kalmykia // Arid Ecosystems. 2023. V. 13. No. 1. P. 39-44. DOI: 10.1134/S2079096123010171.

Презентация доклада



Ссылка для цитирования: Полтарин В.С., Шинкаренко С.С. Сравнительный анализ методов машинного обучения при картографировании массивов открытых песков по спутниковым данным // Материалы 22-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2024. C. 201. DOI 10.21046/22DZZconf-2024a

Дистанционное зондирование растительных и почвенных покровов

201