О применении классификатора Random Forests
для распознавания типов лесной растительности по дистанционным спутниковым и самолетным данным высокого пространственного разрешения. Сравнение полученных результатов с результатами расчетов некоторыми другими методами

Осуществлено распознавания типов лесной растительности по данным аэрокосмического зондирования с использованием оригинального метода и сопоставление полученных результатов с результатами других наиболее известных в настоящее время методов. Так применен метод Random Forests (автор L. Breiman) для задач классификации типов лесной растительности по дистанционным данным. Возможности этого метода изучены в среде Fortran (код L. Breiman and A. Cutler), а также в среде установленной на имеющиеся вычислительные средства системы R (создатели R. Ihaka and R. Gentleman). Система R – с большим количеством доступных пакетов вычислительных средств, предназначена для решения разного рода задач преимущественно статистическими методами. В нашем случае используется перенесенная на R в полном объеме модель Random Forests в виде программы randomForest (авторы A. Liaw and M. Wiener), но возможно применение и некоторых других программ.
Осуществлено адаптирование созданных ранее баз данных обучения системы распознавания как самолетного, так и спутникового (WorldView2) дистанционного зондирования к среде системы R. Осуществлены расчеты по модели Random Forests по этим данным. Проведено сопоставление результатов расчетов с ранее полученными результатами по модели QDA методом квадратичного дискриминантного анализа (среда MATLAB). Сопоставление осуществлено с точки зрения точности решения задачи распознавания типов лесной поверхности по дистанционным данным обоими методами на созданных ранее базах данных для Савватьевского лесничества Тверской области.
Предполагается дальнейшее изучение возможностей вновь примененного метода Random Forests для задач классификации по данным аэрокосмического зондирования.

Работа выполнена при финансовой поддержке РФФИ,
проект № 19–01–00215.