Использование нейронных сетей для определения характеристик растительности по спутниковым данным

Определение архитектурных и биохимических характеристик растений, таких как листовой индекс, фракция поглощенной радиации, содержание воды, хлорофилла является важной задачей. В глобальном масштабе эти характеристики используются для моделирования климата и прогнозирования погоды, на региональном уровне — для определения стресса растительности и мониторинга засух, прогнозирования урожайности культур, на локальном — для мониторинга роста растений, определения норм орошения и удобрения. Одно из современных направлений в использовании параметров растительности состоит в ассимиляции спутниковых данных и результатов их обработки в модели роста растений.
Данная работа посвящена определению характеристик растительности по спутниковым снимкам в диапазоне 0,4-2,5 мкм. Задача восстановления параметров растений рассматривается как задача обратная задаче моделирования сигнала регистрируемого спутниковым прибором при известных параметрах растительности. Для решения прямой задачи существуют ряд апробированных моделей переноса электромагнитного излучения в растении. В данной работе используются современная модель распространения фотонов в отдельном листе PROSPECT-4 [1] и модернизированная модель SAILH распространения фотонов в растении в целом.
Для решения обратной задачи на сегодня существуют несколько методов различающихся сложностью реализации, точностью и вычислительными затратами. В данной работе выбраны искусственные нейронные сети (НС) как вычислительно-эффективный метод непараметрической нелинейной регрессии [2]. Для обучения нейронной сети в качестве обучающей и тестовой выборок использовались множества реализаций связанной модели PROSPECT-SAILH. Высокая скорость работы НС в режиме прогона особенно важна при оперативной обработке современных спутниковых снимков содержащих миллионы пикселей.
В докладе будут рассмотрены различные методы решения данной обратной задачи, их преимущества и недостатки, применение искусственных нейронных сетей для определения параметров растительности по данным прибора MODIS, а также результаты валидации разработанного алгоритма по наземным измерениям.

1. Feret et al. PROSPECT-4 and 5: advances in the leaf optical properties model separating photosynthetic pigments // Remote Sensing of Environment. — 2008. — N. 112. — P. 3030-3043
2. Куссуль Н.Н., Шелестов А.Ю., Скакун С.В., Кравченко А.Н. «Интеллектуальные вычисления в задачах обработки данных наблюдения Земли». — К.: “Наукова думка”, 2007. — 196 с.