Дифференциация породного состава лесной растительности по спутниковым данным Sentinel-2 с использованием спектральных индексных показателей

При выполнении работ использовались программные продукты ESA SNAP, ENVI 5.3, ArcGIS10.3, Adobe Photoshop и Adobe Illustrator. В качестве объекта исследования для изучения возможности использования спектральных индексных показателей для дифференциации породного состава лесной растительности по спутниковым данным Sentinel-2 была выбрана территория заказника «Оброво», представляющая собой сложный лесной природный комплекс.
На основе анализа литературных источников, для расчета и дальнейшей визуальной оценки информативности вегетационных индексов в целях дифференциации породного состава лесной растительности, были рассчитаны спектральные индексные показатели (DVI, Simple Ratio, TSR, NDVI, TNDVI, ARVI, EVI), различающихся по сложности вычисления. В ходе визуального анализа результирующих изображений расчета индексов, установлено, что наилучшими индексными показателями при дифференциации растительности по породному составу на уровне отдельных выделов по данным Sentinel-2 является расширенный индекс озелененности EVI.
Классификация изображений является важной частью дистанционного зондирования, анализа изображений и распознавания образов. Из возможных вариантов контролируемой классификации был выбран метод расстояний Махаланобиса. На основе данных выполненной классификации была составлена и оформлена карта-схема породного состава лесной растительности на территории заказника «Оброво».
Анализируя составленную в ходе исследования карта-схему породного состава лесной растительности для территории заказника «Оброво» полученную по материалам космической съемки Sentinel-2 и сопоставив с материалами лесоустройства, следует отметить что граница сосны имеет детальную схожесть на обоих источниках, границы лиственных пород (березы, дуба и граба) имеют схожий характер расположения, но наблюдается ряд различий. Это можно объяснить тем, что участки с произрастанием березы имеют вегетационный индекс ниже чем на территории с произрастающими дубами и грабами, но выше чем на участках сосновых лесов. Оценивая применимость данного методического подхода включающего использование алгоритма машинного обучения для картографирования лесов надо сказать, что точность создаваемых карт зависит от качества и объема обучающей выборки.
Следует отметить значительный потенциал рассмотренной проблематики, в связи с возможностью большого охвата территории, быстрого анализа при помощи компьютерных программ, снижение работ, выполняемых в полевых условиях, является относительно недорогим и конструктивным методом создания картографических материалов.