Український журнал лісівництва та деревинознавства

Дані дистанційного зондування Землі (ДЗЗ) є важливим джерелом додаткової інформації про параметри лісових насаджень, яку використовують під час інвентаризації лісів. Серед відомих технік, які дають змогу поєднати інформацію, одержану наземними та дистанційними методами, дуже поширеним став непараметричний метод відновлення пропущених значень – метод k найближчих сусідів (k-NN). Із метою дослідження ефективності цього методу за різної комбінації вхідних параметрів залучено матеріали експериментальної інвентаризації лісів на 141 вибіркових одиницях, де реалізовано принципи відбору дерев з імовірністю, пропорційною їхній кількості та розмірам. Дослідна територія розташована в центральній частині Київської області та має площу близько 56 км2. Як джерело додаткової інформації використано три типи даних супутникової зйомки: 1) сезонні мозаїки супутникових знімків Landsat 8 OLI; 2) окрему сцену знімка SPOT 7; 3) часову серію спостережень PlanetScope. Ми встановили, що точність прогнозування сум площ поперечних перерізів дерев у насадженні для всіх типів даних ДЗЗ є вищою для реласкопічного методу наземної таксації деревостанів. Серед залучених спектральних даних менші помилки одержано для щільних часових серій супутникових спостережень Landsat та PlanetScope. При цьому виявлено, що значення темпорального розрізнення супутникових знімків для прогнозування сум площ перерізів дерев на 1 га є більшим, аніж їхнє просторове розрізнення. У роботі встановлено, що імплементація k-NN методу за k = 1, забезпечує збереження коваріації між змінними, тоді як збільшення величини k звужує діапазон мінливості таксаційних показників, особливо це стосується малих вибірок. Серед методів пошуку найближчих сусідів більшої точності досягнуто при застосуванні алгоритму Random Forest.

вибіркова інвентаризація лісу, кругові пробні площі, реласкопічна таксація, класифікація