geophystechГеофизические технологииRussian Journal of Geophysical Technologies2619-1563IPGG SB RAS10.18303/2619-1563-2023-4-36geophystech-333Research ArticleСтатьиАнализ городских лесов: классификация пород с применением машинного обучения и данных ДЗЗUrban forest analysis: species classification using machine learning and remote sensing dataПлатоноваМ. В.PlatonovaM. V.

Платонова Марина Владимировна – младший научный сотрудник

ул. Пирогова, 1, Новосибирск, 630090

Pirogova Str., 1, Novosibirsk, 630090, Russia

gumoznaya@gmail.comКухарскийА. В.KukharskiiA. V.

Кухарский Александр Витальевич – младший научный сотрудник 

ул. Пирогова, 1, Новосибирск, 630090

Pirogova Str., 1, Novosibirsk, 630090, Russia

ТаловскаяЕ. Б.TalovskayaE. B.

Таловская Евгения Борисовна – кандидат биологических наук, старший научный сотрудник НГУ

ул. Пирогова, 1, Новосибирск, 630090; ул. Золотодолинская, 101, Новосибирск, 630090

Pirogova Str., 1, Novosibirsk, 630090, Russia; 

Central Siberian Botanical Garden of the Siberian Branch of the Russian Academy of Sciences

ЛазоренкоГ. И.LazorenkoG. I.

Лазоренко Георгий Иванович – кандидат технических наук, научный сотрудник 

ул. Пирогова, 1, Новосибирск, 630090

Pirogova Str., 1, Novosibirsk, 630090, Russia

Новосибирский государственный университетРоссияNovosibirsk State UniversityRussian FederationНовосибирский государственный университет; Центральный сибирский ботанический сад СО РАНРоссияNovosibirsk State University; Central Siberian Botanical Garden of the Siberian Branch of the Russian Academy of SciencesRussian Federation202307032024043644Copyright © Платонова М.В., Кухарский А.В., Таловская Е.Б., Лазоренко Г.И., 20242024Платонова М.В., Кухарский А.В., Таловская Е.Б., Лазоренко Г.И.Platonova M.V., Kukharskii A.V., Talovskaya E.B., Lazorenko G.I.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rjgt.ru/jour/article/view/333

Эффективное управление городскими лесами требует комплексного подхода, начиная с полной инвентаризации их биоразнообразия. На сегодняшний момент данные о флористическом составе городских лесов в сибирских городах либо ограничены, либо фрагментарны. Цель данного исследования заключается в классификации городских лесов по породам и определение их онтогенетического состояния по материалам данных дистанционного зондирования. Данное исследование нацелено на глубокий анализ структуры городских лесов с использованием данных дистанционного зондирования, в частности использованию беспилотного летательного аппарата.

Effective management of urban forests requires an integrated approach, starting with a complete inventory of their biodiversity. At the moment, data on the floristic composition of urban forests in Siberian cities is either limited or fragmentary. The purpose of this study is to classify urban forests by species and determine their ontogenetic state using remote sensing materials. This study aims to deeply analyze the structure of urban forests using remote sensing data, in particular the use of unmanned aerial vehicles.

машинное обучениеБПЛАклассификация лесаmachine learningUAVforest classificationРабота была выполнена в рамках государственного задания № FSUS-2023-0001 «Создание геоинформационной системы изучения ландшафтных биокомплексов на основе данных дистанционного зондирования Земли с использованием методов машинного обучения».ReferencesЖукова Л.А. Ontogenesis of Pinus sylvestris L. Онтогенетический атлас растений. – Йошкар-Ола: Марийский гос. ун-т., 2013. – Том 7. – С. 26–65.Chen T., Guestrin C. Xgboost: A scalable tree boosting system // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2016. – P. 785–794, doi: 10.1145/2939672.2939785.Работнов Т.А. Жизненный цикл многолетних травянистых растений в луговых ценозах // Труды БИН АН СССР. – М., Л., 1950. – Вып. 6. – С. 179–196.Chistyakova A.A. Ontogenesis of Betula pendula Roth. Diagnosis and keys of age condition of forest plants // Trees and bushes [in Russian]. – Prometei, Moscow, 1989. – P. 89–96.Чистякова A.A. Ontogenesis of Betula pendula Roth. Диагнозы и ключи возрастных состояний лесных растений // Деревья и кустарники / Под ред. О.В. Смирновой. – М.: Прометей,1989. – С. 89–96.Cunliffe A.M., Assmann J.J., Daskalova G.N., Kerby J.T., Myers-Smith I.H. Aboveground biomass corresponds strongly with drone-derived canopy height but weakly with greenness (NDVI) in a shrub tundra landscape // Environmental Research Letters. – 2020. – Vol. 15. – Article 125004, doi: 10.1088/1748-9326/aba470.Chen T., Guestrin C. Xgboost: A scalable tree boosting system // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2016. – P. 785–794, doi: 10.1145/2939672.2939785.Huang S., Tang L., Hupy J.P., Wang Y., Shao G. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing // Journal of Forestry Research. – 2021. – Vol. 32 (5). – P. 1–6, doi: 10.1007/s11676-020-01155-1.Cunliffe A.M., Assmann J.J., Daskalova G.N., Kerby J.T., Myers-Smith I.H. Aboveground biomass corresponds strongly with drone-derived canopy height but weakly with greenness (NDVI) in a shrub tundra landscape // Environmental Research Letters. – 2020. – Vol. 15. – Article 125004, doi: 10.1088/1748-9326/aba470.Johnston C.M.T., Withey P. Managing forests for carbon and timber: a Markov decision model of uneven-aged forest management with risk // Ecological Economics. – 2017. – Vol. 138. – P. 31–39, doi: 10.1016/j.ecolecon.2017.03.023.Huang S., Tang L., Hupy J.P., Wang Y., Shao G. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing // Journal of Forestry Research. – 2021. – Vol. 32 (5). – P. 1–6, doi: 10.1007/s11676-020-01155-1.Ontl T.A., Janowiak M.K., Swanston C.W., Daley J., Handler S., Cornett M., Hagenbuch S., Handrick C., McCarthy L., Patch N. Forest management for carbon sequestration // Journal of Forestry. – 2020. – Vol. 118 (1). – P. 86–101, doi: 10.1093/jofore/fvz062.Johnston C.M.T., Withey P. Managing forests for carbon and timber: a Markov decision model of uneven-aged forest management with risk // Ecological Economics. – 2017. – Vol. 138. – P. 31–39, doi: 10.1016/j.ecolecon.2017.03.023.Rabotnov T.A. Life cycle of perennial grasses in meadow coenosises // Proceedings BIN AN SSSR [in Russian]. – Moscow, Leningrad, 1950. – Vol. 6. – P. 179–196.Ontl T.A., Janowiak M.K., Swanston C.W., Daley J., Handler S., Cornett M., Hagenbuch S., Handrick C., McCarthy L., Patch N. Forest management for carbon sequestration // Journal of Forestry. – 2020. – Vol. 118 (1). – P. 86–101, doi: 10.1093/jofore/fvz062.Zeng J., Matsunaga T., Tan Z.-H., Saigusa N., Shirai T., Tang Y., Peng S., Fukuda Y. Global terrestrial carbon fluxes of 1999–2019 estimated by upscaling eddy covariance data with a random forest // Scientific Data. – 2020. – Vol. 7 (1). – Article 313, doi: 10.1038/s41597-020-00653-5.Zeng J., Matsunaga T., Tan Z.-H., Saigusa N., Shirai T., Tang Y., Peng S., Fukuda Y. Global terrestrial carbon fluxes of 1999–2019 estimated by upscaling eddy covariance data with a random forest // Scientific Data. – 2020. – Vol. 7 (1). – Article 313, doi: 10.1038/s41597-020-00653-5.Zhukova L.A. Ontogenesis of Pinus sylvestris L. Ontogenetic atlas of plants [in Russian]. – Yoshkar-Ola, 2013. – Vol. 7. – P. 26–65.

The authors declare that there are no conflicts of interest present.