Создание региональной карты категорий землепользования по данным ДЗЗ высокого пространственного разрешения

Актуальность создания детальных карт землепользования обусловлена задачами государственного управления, территориального планирования и экологического мониторинга. Особую значимость эти работы приобретают в контексте выполнения обязательств Российской Федерации в рамках Парижского соглашения по климату, требующих точной оценки динамики землепользования для расчета выбросов и поглощений парниковых газов в секторе землепользования, изменений землепользования и лесного хозяйства (ЗИЗЛХ). Существующие глобальные и региональные продукты спутникового картографирования не удовлетворяют требованиям точности и пространственного разрешения на региональном уровне России.
В связи с этим целью данного исследования стала разработка собственной методологии и создание карты категорий землепользования с использованием данных дистанционного зондирования Земли высокого пространственного разрешения. В качестве тестовой области был выбран Московский регион за 2023 год. Для построения карты использовались безоблачные сезонные композиты спутников Sentinel-2 (Кашницкий и др., 2022), включающие шесть спектральных каналов (Blue, Green, Red, NIR, SWIR1, SWIR2) с разрешением 10 метров. На основе экспертного дешифрирования в среде ВЕГА-Science (Кашницкий, Лупян, 2024) была сформирована репрезентативная обучающая выборка из 1700 пикселов по шести классам землепользования: лесные земли, возделываемые земли, пастбища, водно-болотные угодья, поселения и прочие земли. Для обработки данных и классификации был реализован программный комплекс на Python, основанный на алгоритмах машинного обучения – Random Forest и Decision Tree. Проведённый анализ показал преимущество ансамблевого метода Random Forest, обеспечившего лучшую устойчивость к шуму и общую точность классификации 92%.
Итоговая карта демонстрирует пространственную структуру землепользования региона, где доминируют лесные земли (более 50% площади) и пастбища (около 25%), при этом последние и возделываемые земли оказались наиболее трудными для распознавания из-за спектрального сходства растительного покрова. Разработанный подход подтвердил свою эффективность и обладает потенциалом для масштабирования на другие регионы и годы наблюдений, обеспечивая надежную основу для мониторинга динамики землепользования всей страны.