Разработан способ получать спутниковые данные о растительном покрове Земли в условиях высокой облачности

Наличие подробной информации об особенностях земной поверхности очень важно для лучшего понимания экосистем планеты и антропогенного влияния на них. Такие данные проще всего получить при помощи спутниковой съемки. Однако обзору из космоса часто мешают облака. В статье, опубликованной в журнале Remote Sensing of Environment, описывается, как методы машинного обучения помогают обойти эту природную «преграду».

Исследователи из Центра экологических исследований имени Гельмгольца создали алгоритм APiC, который способен распознавать на кадрах со спутников 19 различных видов сельскохозяйственных культур с высокой точностью. «Если мы сможем определить выращиваемую культуру на каждом поле, то сможем сделать выводы не только о потребностях [местной экосистемы] в питательных веществах, но и о количестве нитратов в местных [грунтовых] водах», — объясняет один из авторов работы Себастьян Прейдл.

Информация, полученная при помощи APiC, также может использоваться для организации мероприятий по защите популяций различных живых существ, таких как дикие пчелы. «Мы можем эффективно защитить биологическое разнообразие региона только в том случае, если у нас есть четкое представление о пространственном распределении растительного покрова», — добавляет Прейдл.

Данные, полученные Прейдлом и его коллегами, базируются на спутниковых снимках, которые были сделаны семейством космических аппаратов Sentinel-2. Это два мониторинговых спутника, запущенных на орбиту Европейским космическим агентством в 2015 и 2017 годах соответственно.

Как уже упоминалось выше, облака являются серьезной проблемой при работе со временными рядами данных спутниковой съемки. Несмотря на большое количество снимков, частый облачный покров может привести к большим пробелам в данных. В то же время для многих фаз роста растений требуется достаточное количество наблюдений, чтобы присвоить зарегистрированные сигнатуры соответствующей флоре.

Промежутки обычно заполняются искусственно сгенерированными данными, которые интерполируются на основании «безоблачных» изображений. Но точность такого подхода невысока. Прейдл и его коллеги модифицировали этот метод. «Мы генерируем индивидуальные алгоритмы для каждого пикселя (индивидуального спутникового кадра. — Прим. ред.), — поясняет ученый. — Наш алгоритм автоматически выбирает безоблачные пиксели из всего набора данных спутниковых изображений и не зависит от крупномасштабных безоблачных сцен».

Исследователи протестировали APiC на снимках территории Германии. Условно разделив страну на шесть сельскохозяйственных регионов, создатели алгоритма добились того, что основные сельскохозяйственные культуры (такие как пшеница и кукуруза) распознавались с точностью свыше 90%. В целом точность распознавания 19 различных культур составляет не менее 88%.

Разработка пригодна не только для изучения сельскохозяйственных угодий. Алгоритм способен распознавать ели, буки и другие виды деревьев. Таким образом, его можно использовать для оценки природоохранной ценности лесных угодий, делая выводы об уязвимости экосистем и прогнозируя их развитие.