Использование классификационной модели «дерева решений» при дистанционном картировании и мониторинге наземного покрова в региональном и национальном масштабе (Лекция)

Непараметрическая классификационная модель дерева решений давно зарекомендовала себя в качестве устойчивого и эффективного инструмента анализа спутниковых данных. Результаты сравнения точности классификации показывают, что данная модель эффективнее по сравнению с классическими параметрическими классификаторами (например, по сравнению с методом наибольшего подобия) и не уступает другим непараметрическим методам (опорных векторов или нейронных сетей). В работе по анализу и мониторингу лесопокрытой территории в национальном и региональном масштабе по космическим снимкам Ландсат мы используем алгоритм построения деревьев классификаций и регрессий (CART) предложенный Л. Брейманом. Классификационный алгоритм используется на этапе подготовки данных (маскирования облаков и теней), для классификации типов наземного покрова на основе мозаик снимков, и при мониторинге изменений на основе временный рядов данный космической съемки. Каждый этап работы характеризуется особенностями подготовки данных и применения классификационной модели. Так, модель для оценки качества наблюдений (маскирования облаков и т.д.) создается путем многоуровневой генерализации результатов для создания универсального дерева решений. На этапе классификации используется метод «случайных выборок» (bootstrap aggregation) для решения проблемы «чрезмерной подгонки» (overfitting) классификационной модели. Основной проблемой анализа временных рядов данных является неоднородность количества наблюдений, не позволяющая напрямую использовать ряды данных в классификационной модели. Временные ряды наблюдений преобразуются в набор «метрик» (multitemporal metric) характеризующих распределение и изменение значений коэффициента отражения в течение периода наблюдения. Набор «метрик» используемых классификатором позволяет выявлять изменения наземного покрова даже в том случае, если их следы исчезают к концу анализируемого интервала. Предложенная методика была успешно использована при анализе и мониторинге лесного покрова в бореальной (Европейская Россия), умеренной (США), и тропической (Индонезия, центральная Африка, Перу) зонах.