Оценка распространения борщевика Сосновского (Heracleum sosnowskyi Manden.) средствами автоматизированной классификации по данным аэрофотосъемки

Инвазивные растения представляют собой значительную угрозу для местных экосистем и сельского хозяйства. Их быстрое распространение требует разработки эффективных методов выявления и контроля. Одним из таковых является картирование на основе данных дистанционного зондирования. Геоинформационное картирование инвазивных видов растений, в частности борщевика Сосновского (Heracleum sosnowskyi Manden.), представляет собой актуальную задачу для экологического мониторинга. В статье рассматриваются современные методы анализа данных дистанционного зондирования для выявления территорий, занятых борщевиком Сосновского. Исследование проводилось в Ленинградской области, где проблема распространения этого растения носит острый характер. В качестве исходных данных используются аэрофотоснимки и открытые данные с картографического сервиса Яндекс.Карты с пространственным разрешением 3, 15 и 30 см/пикс., на которых отображены территории, заросшие борщевиком Сосновского. Задачи исследования заключались в разработке методики обработки изображений для обнаружения борщевика Сосновского на основе применения алгоритмов автоматизированной классификации. Программными средствами обработки данных являлись геоинформационная система QGIS, а также ее дополнительные плагины «dzetsaka» и «Orfeo Toolbox». Точность результатов исследования проверялась с использованием данных, полученных посредством экспертного дешифрирования и ручной векторизации. В результате были сформированы 24 классификационные карты, полученные разными методами автоматизированной классификации. В ходе анализа точности получены матрицы ошибок классификации и таблицы отклонения площадей, занимаемых борщевиком Сосновского. При этом результат оценки точности классификатора свидетельствует о высокой достоверности классификации представленных методов. Представленные в исследовании алгоритмы обработки могут применяться для поиска и обнаружения борщевика Сосновского на территории Ленинградской области.

1. Богданов В.Л., Осипов А.Г., Гарманов В.В. Методика мониторинга засорения земель борщевиком Сосновского по данным дистанционного зондирования // Известия Санкт-Петербургского государственного аграрного университета. 2020. № 59. С. 69-74.

2. Гурченков А.А., Мурынин А.Б., Трекин А.Н., Игнатьев В.Ю. Метод объектноориентированной классификации объектов подстилающей поверхности в задаче аэрокосмического мониторинга состояния импактных районов Арктики // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия: Естественные науки. 2017. № 3. C. 135-146.

3. Далькэ И.В., Чадин И.Ф., Захожий И.Г., Малышев Р.В., Маслова С.П. Моделирование географических пределов распространения Heracleum sosnowskyi Manden. в таежной зоне европейской части России // Экология и география растений и растительных сообществ: мат. IV Межд. науч. конф. Екатеринбург, 2018. С. 219-224.

4. Нецветова Е.В., Саловаров В.О. Борьба с инвазивными чужеродными видами в концепции Конвенции о биологическом разнообразии // Вестник ИрГСХА. 2022. № 112. С. 121-136.

5. Рутман В.В., Кантор Г.Я., Адамович Т.А., Товстик Е.В., Ашихмина Т.Я. Идентификация зарослей борщевика Сосновского по данным дистанционного зондирования земли // Экология родного края: проблемы и пути их решения: мат. ХIII Всерос. науч.-практ. конф. с межд. уч. Киров, 2018. С. 81-85.

6. Осипов А.Г., Дмитриев В.В., Ковязин В.Ф. Методика оценки и картографирования природно-аграрного потенциала ландшафтов // Геодезия и картография. 2021. Т. 82, № 9. С. 11-20.

7. Спутниковая карта Санкт-Петербурга // Яндекс.Карты. URL: https://yandex.ru/maps/2/saint-petersburg/sputnik/ (дата обращения: 01.06.2024).

8. Aegopodium podagraria // Plants for a future. URL: https://pfaf.org/user/plant.aspx?LatinName=Aegopodium+podagraria (дата обращения: 05.05.2025).

9. Basheer S., Wang X., Farooque A.A., Nawaz R.A., Liu K., Adekanmbi T., Liu S. Comparison of Land Use Land Cover Classifiers Using Different Satellite Imagery and Machine Learning Techniques // Remote Sensing. 2022. Vol. 14, no. 19. Art. no. 4978.

10. Bogdanov V., Osipov A., Garmanov V., Efimova G., Grik A., Zavarin B., Terleev V., Nikonorov A. Problems and monitoring the spread of the ecologically dangerous plant Heracleum sosnowskyi in urbanized areas and methods to combat it // E3S Web Conf. EDP Sciences. 2021. Vol. 258. Art. no. 08028.

11. Congalton R.G. A review of assessing the accuracy of classifications of remotely sensed data // Remote Sensing of Environment. 1991. Vol. 37. P. 35-46.

12. Dueñas M.A., Hemming D.J., Roberts A., Diaz-Soltero H. The threat of invasive species to IUCN-listed critically endangered species: A systematic review // Glob. Ecol. Conserv. 2021. Vol. 26. Art. no. 01476.

13. Jahodova S. Heracleum sosnowskyi (Sosnowskyi’s hogweed) // CABI Compendium. 2009. No. 108958. DOI: 10.1079/cabicompendium.108958.

14. Koldasbayeva D., Tregubova P., Shadrin D., Gasanov M., Pukalchik M. Largescale forecasting of Heracleum sosnowskyi habitat suitability under the climate change on publicly available data // Scientific Reports. 2022. Vol. 12. Art. no. 6128.

15. Marpu P.R., Niemeyer I., Nussbaum S., Gloaguen R. A procedure for automatic object-based classification // Lecture Notes in Geoinformation and Cartography. Berlin, 2008. Chapter 2.4. P. 169-184.

16. Norovsuren B., Tseveen B., Batomunkuev V., Renchin T., Natsagdorj E., Yangiv A., Mart Z. Land cover classification using maximum likelihood method (2000 and 2019) at Khandgait valley in Mongolia // IOP Conference Series: Earth and Environmental Science. 2019. Vol. 381, no. 1. Art. no. 012054.

17. Shetty S. Analysis of Machine Learning Classifiers for LULC Classification on Google Earth Engine: master’s thesis. Enschede, The Netherlands: University of Twente, 2019. 73 p.

18. Talukdar S., Singha P., Mahato S., Fahad S., Pal S., Liou Y-A., Rahman A. Landuse land-cover classification by machine learning classifiers for satellite observations – a review // Remote Sensing. 2020. Vol. 2, no. 7. Art. no. 1135.

19. Xie Z., Chen Y., Lu D., Li G., Chen E. Classification of land cover, forest, and tree species classes with Ziyuan-3 multispectral and stereo data // Remote Sensing. 2019. Vol. 11, no. 2. Art. no. 164.