4.2.2. Развитие методов и программного комплекса локально-адаптивной классификации спутниковых изображений для решения задач глобального картографирования и мониторинга наземных экосистем;

Разработанный в ИКИ РАН метод локально-адаптивной классификации LAGMA предполагает разделение области классификации на клетки с последующим построением в каждой из них обучающей выборки, включая опорные элементы, расположенные внутри клетки и в клетках ее окружения. В результате такой агрегации данных в каждой клетке получается своя обучающая выборка, ограниченная в пространстве и достаточная по мощности для построения качественного классификатора. Данный метод был ранее реализован в виде одноименного программного обеспечения LAGMA. Это программное обеспечение было многократно успешно применено в решении задач картографирования типов наземных экосистем России, озимых культур, породного состава лесов.

Реализация метода LAGMA представляет собой программу для командной строки для операционных систем Windows XP и старше, написанную на языке C++. Выполненное за отчетный период развитие LAGMA позволило формализовать обучающую выборку и классификатор (в виде отдельных классов C++), ранее существовавшие в нем неформально. Такие изменения позволяют легко добавлять в программу новые методы классификации, а также вносить такие понятия, как контрольная и обучающая выборка, boosting, bagging и т.п. Эти изменения существенно облегчают дальнейшую модификацию ПО LAGMA.

В ПО LAGMA был также добавлен непараметрический метод классификации, основанный на методе случайного леса (random forest). Метод случайных лесов был успешно применен для решения задачи картографирования озимых посевов.

Кроме того, ПО LAGMA было доработано для обеспечения возможности построения регрессионных зависимостей между различными параметрами для разных классов, что, в частности, было использовано для уточнения биомассы лесов по их спектрально-отражательным характеристикам. Также как и при решении задачи картографирования, LAGMA осуществляет сбор выборки, локальной для каждой клетки. По этой выборке могут быть построены регрессии между значениями различных характеристик, поданных на вход LAGMA. На выходе программа формирует изображения со значениями коэффициентов регрессии и зависимого признака.

Было осуществлено сравнение метода LAGMA с традиционно используемыми подходами, основанными на «глобальной» (т.е. не локализованной)  классификации. Для этого на основе данных спутникового инструмента SPOT-Vegetation и с использованием карты GLC2000 в качестве опорной выборки была осуществлена классификация типов земных покровов России двумя методами. По результатам анализа результатов классификации можно сказать, что метод LAGMA продемонстрировал более высокую точность по сравнению с традиционным методом классификации (точность 97% и 82% соответственно). Пример сравнения результатов  картографирования растительного покрова с использованием различных методов классификации представлен на рис. 2.

(a) Метод LAGMA	(б) Метод из ERDAS Imagine
(в) Карта GLC2000

Рис. 2. Карты растительного покрова по данным SPOT-Vegetation с использованием метода LAGMA (а) и глобального классификатора (б) в сравнении с картой GLC2000 (в)