Исследователи Череповецкого государственного университета представили метод классификации местообитаний осины в таёжных лесах с использованием спутниковых снимков и алгоритмов машинного обучения. Статья опубликована в международном журнале Environmental Monitoring and Assessment (Q2, Springer Nature). Об этом «Жуковский.Life» рассказали в пресс-службе ЧГУ.
Осина играет важную роль в экосистемах северных лесов России, поддерживая биоразнообразие и восстанавливая леса после вырубок и пожаров. Однако её сложно отличить по спутниковым изображениям от других лиственных пород, таких как берёза и ольха, что усложняет наблюдение и управление лесными ресурсами. Руководитель проекта Дмитрий Трошин отметил, что решение этой задачи поможет улучшить мониторинг лесов.
В основе метода лежит анализ данных спутника Sentinel-2 с применением 19 индикаторов, включая спектральные характеристики и растительные индексы (NDVI, EVI, SAVI и другие). Для классификации использовались модели машинного обучения Random Forest и XGBoost, что позволило достичь точности свыше 95% при распознавании участков с осиной.
Данный подход даст возможность формировать точные цифровые карты распределения древесных пород без затратных полевых обследований, что полезно для лесной инвентаризации, планирования заготовок и оценки состояния лесных экосистем.
Исследование поддержано Департаментом лесного комплекса Вологодской области, а также сопровождалось участием студентов кафедры биологии, которые собирали спутниковые изображения и проверяли результаты. Это обеспечило высокую точность и надёжность анализа.
Учёные отмечают, что это только первый этап работы.
В дальнейшем планируется протестировать модель на других типах лесов — еловых, берёзовых и смешанных — чтобы исключить ошибки и подтвердить уникальность метода для осины, отличая её от похожих по спектру пород.
Учёные определили механизм распределения элементов у хвойных деревьев. Сосны, растущие на опушке леса, часто ведут себя немного странно: их ветви на открытой стороне длиннее и крепче.
