Методы аугментации данных и оценка их эффективности для восстановления валовой первичной продукции наземных экосистем по результатам спутниковой съемки

Одной из основных проблем в области экосистемного мониторинга является дефицит натурных измерений характеристик углеродного цикла, обусловленный низкой плотностью сети микрометеорологических станций, вследствие чего получаемые результаты репрезентативны лишь для непосредственной области проведения наблюдений на ограниченной площади [1]. Поэтому для регионального и глобального масштабов используются данные дистанционного зондирования Земли из космоса и все чаще с методами машинного обучения [2-4], позволяющими выявлять сложные взаимосвязи между характеристиками углеродного цикла, параметрами окружающей среды и биофизическими индикаторами растительности [5], а также экстраполировать результаты наземных измерений на большие территории. Однако для настройки таких моделей требуются репрезентативные обучающие выборки.

Для преодоления проблемы дефицита натурных данных могут быть использованы методы их аугментации, то есть генерации синтетических образцов [6]. В докладе представлены результаты сравнения различных методов аугментации исходных данных, включающих значения валовой первичной продукции лугов и наблюдаемых при этом параметров окружающей среды и биофизических индикаторов состояния растительности. Они сформированы на основе натурных измерений в обсерватории «Фоновая» и метеостанции «Кожевниково», а также продуктов спутниковой съемки сенсорами MODIS, VIIRS, TROPOMI и реанализа ERA5-Land с месячным временным разрешением. Данные получены в вегетационный период с мая по сентябрь 2018 – 2025 гг. Предикторами для восстановления валовой первичной продукции являются солнечно-индуцированная флуоресценция, вегетационные индексы, биофизические индикаторы растительности, температурно-влажностные характеристики атмосферы и доля облачности. В качестве методов аугментации используются гауссовские копулы (Gaussian Copula), вариационный автоэнкодер для генерации табличных данных (Tabular Variational Autoencoder), условная генеративно-состязательная нейронная сеть для генерации табличных данных (Conditional Tabular Generative Adversarial Network) и байесовская сеть (Bayesian Network). Для проведения регрессионного анализа рассматриваются методы RF (Random Forest), XGBoost (eXtreme Gradient Boosting), CatBoost, LightGBM и SVR (Support Vector Regression).

Наилучшие статистические оценки аугментации получены для выборок, сгенерированных байесовскими сетями. Данный метод позволяет не только решить задачу увеличения числа образцов для регрессионного анализа, но и построить карты причинно-следственных взаимосвязей между валовой первичной продукцией, биофизическими индикаторами состояния растительности и параметрами окружающей среды. Наилучший результат восстановления валовой первичной продукции на реальных и синтетических данных, по совокупности показателей, обеспечивает метод случайного леса. В целом, использование искусственных образцов позволяет улучшить результаты применения машинного обучения для оценки валовой первичной продукции не только эталонного участка, исходные данные которого применялись для аугментации, но и тестовых территорий, относящихся к другим типам лугов.

Работа выполнена в рамках государственных заданий ИПМ РАН (FFMN-2025-0026) и ИОА СО РАН (FWRU-2026-0005)