Картографирование земель сельскохозяйственного назначения Хабаровского края методами машинного обучения с использованием изображений Sentinel-2

Проведение автоматизированной классификации сельскохозяйственных земель с использованием методов машинного обучения (machine learning, ML) стало одной из важнейших задач при переходе к цифровому сельскому хозяйству. Классификация пахотных земель Хабаровского района проводилась методами случайного леса (random forest, RF), минимального расстояния (minimum distance, MD), кластеризацией К-средних (K-means) по снимкам спутников Sentinel-2 за июль, август, сентябрь и октябрь 2022 г. В качестве входных данных рассматривались значения спектральных каналов, EVI (Enhanced Vegetation Index) и NDVI (Normalized Difference Vegetation Index). По результатам статистической обработки было установлено, что при изменении даты съемки и типа входных данных наибольшую стабильность продемонстрировал метод RF. Точность распознавания пахотных земель Хабаровского района в 2022 г. составила 92,5% при использовании в классификаторе значений NDVI, рассчитанных по сентябрьскому снимку Sentinel-2. Предложенный подход может применяться для автоматизированного классифицирования и последующего картографирования с экспертной корректировкой пахотных земель южной части Дальнего Востока.