Разработка приложения для поддержки картографирования поверхностного покрова с использованием платформы Google Earth Engine

В данной работе представлено веб-приложение, реализованное на облачной платформе Google Earth Engine (GEE), которое функционирует как виртуальная исследовательская среда (VRE) для картографирования земельного и растительного покрова (LULC). Разработка решает фундаментальную проблему современных наук о Земле: неэффективность традиционных подходов к обработке петабайтных архивов спутниковых снимков и, в частности, трудоемкость, дороговизну и субъективизм сбора качественных обучающих данных для алгоритмов машинного обучения.
Ключевым научным вкладом и инновацией является не просто агрегация существующих классификаторов, а разработка нового рабочего процесса, основанного на алгоритмической поддержке сбора обучающих выборок. Для этого стандартные и хорошо известные алгоритмы — Спектральное угловое отображение (SAM), Сходство на основе скалярного произведения (Similarity based on Dot Product), Случайный лес (Random Forest) и Максимальная энтропия (Maxent) — перепрофилируются с основной задачи классификации на создание промежуточных информационных продуктов, так называемых вспомогательных карт. Эти карты в количественной форме отражают степень спектрального сходства или вероятности принадлежности каждого пикселя к уже созданным обучающим классам.
Данный подход реализует парадигму «человек-в-цикле» (human-in-the-loop), где система ассистирует эксперту. Анализируя вспомогательные карты, пользователь может легко выявить «темные области» — участки с низким сходством, которые были пропущены при первичном сборе данных. Эти участки могут представлять собой либо нетипичные вариации существующих классов, либо совершенно новые, неучтенные классы. Итеративное добавление выборок из этих проблемных зон в обучающий набор значительно повышает его репрезентативность и полноту. Как следствие, точность итоговой классификации, выполняемой более сложными алгоритмами, существенно возрастает. Приложение, доступное по ссылке https://code.earthengine.google.com/af30abe1d0e9be77c89f7bfcfd8bf6ca, вносит значительный вклад в развитие принципов "Открытой науки", повышая доступность, прозрачность и воспроизводимость исследований в области наук о Земле.