Використання контурів об’єктів супутникових знімків sentinel для класифікації сільськогосподарських земель за допомогою нейронних мереж

Анотація

Дослідження присвячене підвищенню точності класифікації сільськогосподарських угідь на орні та неорні за супутниковими знімками Sentinel-1 і Sentinel-2 шляхом інтеграції спектральних та структурних показників у глибинні нейронні мережі в якості додаткових ознак. Запропоновано використання спеціально розробленого структурного показника – індикатора деградації антропогенного ландшафту LDI (Landscape Degradation Indicator), який кількісно відображає щільність і контрастність контурів об’єктів на місцевості та слугує маркером антропогенного навантаження. Метою роботи є оцінка ефективності LDI як додаткової ознаки при глибокому навчанні моделей класифікації агроландшафтів та порівняння його інформативності з класичним вегетаційним індексом NDVI (Normalized Difference Vegetation Index). Методологія дослідження передбачає використання нейронної мережі з архітектурою U-Net з енкодером EfficientNetV2-L, попередньо навченої на датасеті ImageNet-21k, із застосуванням механізмів уваги, що агрегують часові ознаки у процесі обробки багатоспектральних і радарних знімків. Експериментальні тести проведено на вибірці, що охоплює понад 90 тис. земельних ділянок у регіоні Берлін-Бранденбург (Німеччина), із поділом на орні та неорні землі. Результати моделювання показали, що використання індексу LDI в якості додаткової ознаки підвищує точність класифікації з 88,87% до 91,34% через більш повне врахування структурних особливостей сільськогосподарського ландшафту. Порівняльний аналіз з NDVI продемонстрував перевагу LDI у задачах розрізнення деградованих та занедбаних угідь. А найвищий показник точності (91,98%) отримано при сумісному використанні NDVI та LDI, що свідчить про ефективність поєднання спектральних і структурних індикаторів. Наукова новизна дослідження полягає у впровадженні структурного індикатора LDI як нового параметра для нейромережевих моделей класифікації аграрних ділянок