Оценка динамики восстановления экосистем после нефтеразливов на основе данных дистанционного зондирования Земли с применением алгоритмов машинного обучения

Современные технологии дистанционного зондирования Земли, обеспечивающие получение спутниковых данных высокой детализации, являются эффективным инструментом для анализа экологических процессов. Важнейшими индикаторами состояния экосистем выступают вегетационные индексы, такие как NDVI и EVI, которые позволяют количественно оценивать характеристики и динамику растительного покрова [1].
Для повышения точности мониторинга в исследовании применяются алгоритмы машинного обучения, включая методы сегментации спутниковых изображений и прогнозирования изменений во временных рядаx [2]. Такой подход позволяет выявлять участки нарушения и восстановления растительности, учитывать особенности экосистем, а также строить прогнозы динамики ее восстановления. Практическая значимость исследования заключается в создании методики для автоматизации анализа спутниковых данных, которая повышает достоверность оценок изменения состояния экосистем.
На основе серии спутниковых снимков Sentinel-2 с применением методов машинного обучения и моделей семантической сегментации выполнена оценка границ и масштабов повреждения растительного покрова в результате нефтеразлива. Данная методика также позволяет отслеживать динамику распространения загрязняющих веществ и ход последующего естественного восстановления территории. Анализ временных рядов вегетационных индексов показал положительную динамику значений NDVI на исследуемой территории, что свидетельствует о восстановлении растительного покрова и улучшении состояния экосистемы [3].
Таким образом, комплексное применение методов дистанционного зондирования и машинного обучения доказывает свою эффективность для мониторинга и оценки последствий антропогенного воздействия на экосистемы. В дальнейшем планируется разработка программного модуля для прогнозирования динамики восстановления растительности на нефтедобывающих территориях с использованием методов машинного обучения и данных спутниковых снимков MODIS и Sentinel-2.