X Всероссийская конференция с международным участием «Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов» (SDM-2025), посвященная памяти академика Ю.И. Шокина

Предыдущие конференции

Волков Н.В.   Лагутин А.А.   Мордвин Е.Ю.  

Валовая первичная продукция юга Западной Сибири по данным MODIS и реанализа с использованием методов машинного обучения

Докладчик: Волков Н.В.

В работе обсуждаются новые результаты расчетов валовой первичной продукции (Gross Primary Production, GPP) для территории юга Западной Сибири, полученные по данным спектрорадиометра MODIS, реанализа ERA5 и цифровой модели рельефа SRTM с использованием методов машинного обучения. GPP является важным индикатором углеродного обмена между  атмосферой и подстилающей поверхностью, на количественном уровне характеризует прирост биомассы растительного покрова в вегетационный период.

Сегодня основным источником информации о GPP на глобальном уровне являются данные дистанционного зондирования Земли. Однако, несмотря на развитие и совершенствование приборной базы и методов обработки, такой подход все еще дает большие неопределенности получаемых оценок GPP. Для уменьшения существующих неопределенностей и получения более точных значений GPP на региональном уровне в последние 10-15 лет активно используются методы машинного обучения.

В данной работе для получения значений GPP используются шесть методов машинного обучения: случайный лес, Adaboost, XGBoost, LightGBM, деревья решений с градиентным бустингом и нейросетевая модель на основе многослойного перцептрона. Обучающая и тестовые выборки моделей для вегетационных сезонов 2020-2024 гг. включают 14 признаков, к которым по данным независимых исследований валовая первичная продукция наиболее чувствительна. В результате анализа метрик машинного обучения установлены наиболее оптимальные конфигурации моделей, а также признаки, оказывающие наибольшее влияние на качество получаемых оценок GPP для территории Алтайского края и Новосибирской области.