Особенности чтения статей по дистанционному зондированию

Пора открывать рубрику “Следите за руками”.

В статье Luo et al. Combination of Feature Selection and CatBoost for Prediction: The First Application to the Estimation of Aboveground Biomass (2021). продемонстрированы очень хорошие оценки надземной биомассы леса. Ошибка не превосходит 27 тонн/га при средней плотности биомассы на участке около 154 тонн/га. В таких расчетах ошибки могут составлять 30–40%, а здесь — меньше 20%. При этом используются данные Landsat с 30-метровым разрешением. То есть можно ожидать карт надземной биомассы с высоким пространственным разрешением и очень приличной точностью. Как же этого удалось добиться?

Авторы подробно рассказывают, какие признаки они создают, какими методами отбираются признаки и какие алгоритмы машинного обучения они применяют. В итоге найдены лучшие: метод отбора признаков и алгоритм машинного обучения. Настораживает только отсутствие в работе карт биомассы.

Маленький совет для читающих статьи по дистанционному зондированию: если вас заинтересовала аннотация, перейдите в конец статьи и посмотрите полученные авторами картинки (карты, обработанные снимки и т. п.). Если картинки вам понравились (показались убедительными), статью можно читать дальше.

Отсутствие карт выглядит подозрительно. Вряд ли авторы упустили бы случай продемонстрировать такой козырь собственной работы.

Оказалось, что авторы включили в число признаков canopy density — долю площади поверхности, покрытую лесом. Все остальные признаки получены из данных дистанционного зондирования, а canopy density — из наземных измерений. В результате авторы просто не могут построить карту, так как значения canopy density у них есть только в отдельных точках — там, где проводились наземные измерения.

Итак, в работе все честно (карт нам никто не обещал), но совершенно бесполезно. Нам нужна карта, Билли, но чтобы ее получить нужно оббегать ножками весь район наблюдений. Так статья из области дистанционного зондирования оказалась банальной работой по data science. Банальной, потому что никаких изюминок по части data science, в статье нет.

Оценка первичной продуктивности экосистем по спутниковым данным. 1. Немного теории

Жизнь на Земле зависит от преобразования и фиксации солнечной энергии в виде органических соединений углерода. На суше этот процесс происходит за счет фотосинтеза растений. В процессе фотосинтеза углекислый газ атмосферы преобразуется в органическое вещество. Суммарную величину образовавшегося при фотосинтезе органического вещества называют валовой первичной продукцией (Gross primary productivity, GPP).

Часть органического вещества разлагается при метаболизме растений, при этом углекислый газ высвобождается в атмосферу. Этот поток именуется дыханием автотрофов (Ra) и оценивается в пределах 40–70 % от GPP. Автотрофы — это живые организмы, которые синтезируют органические вещества из неорганических, то есть сами себя снабжают органическим веществом. На суше это, главным образом, растения.

Разность между валовой первичной продукцией и дыханием растений характеризует количество органического вещества, пополняющего биомассу суши, и называется чистой первичной продукцией (Net primary productivity, NPP). Все живые организмы, кроме автотрофов — бактерии, грибы, различные виды животных и люди — прямо или косвенно зависят от этой первичной продукции.

Расчет первичной продукции основан на теории эффективности усвоения солнечного излучения, предложенной Джоном Монтейтом в 1972 году. Эта теория утверждает, что чистая первичная продукция хорошо поливаемых и удобряемых однолетних культурных растений линейно связана с количеством солнечной энергии, поглощенной растениями за вегетационный период. Действие солнечного излучения уменьшается рядом факторов, связанных с эффективностью его поглощения, полученных из спутниковых данных или смоделированных по данным о состоянии окружающей среды, таким как температура, влажность почвы и т. д. Все современные спутниковые продукты по оценке первичной продуктивности экосистем опираются на теорию Монтейта. Поэтому ее подробное изложение можно найти в руководстве пользователя или в описании алгоритма любого из подобных продуктов.

* Monteith, J. Solar radiation and productivity in tropical ecosystems. Journal of Applied Ecology, 1972, 19, 747-766. https://doi.org/10.2307/2401901
* User’s Guide Daily GPP and Annual NPP (MOD17A2/A3) Products NASA Earth Observing System MODIS Land Algorithm. Version 3.0 for Collection 6, October 7, 2015.
* MODIS Daily Photosynthesis (PSN) and Annual Net Primary Production (NPP) Product (MOD17). Algorithm Theoretical Basis Document. Version 3.0 29. April 1999.
* Algorithm theoretical basis document: Dry matter productivity (DMP), Gross dry matter productivity (GDMP). Collection 300 m.

#основы #климат #NPP