For citation:
Ogneva M. V., Shlapak P. A., Vasilyev A. A., Moiseev D. S. Automatic identification of forest species using machine learning methods based on satellite image processing. Izvestiya of Saratov University. Earth Sciences, 2025, vol. 25, iss. 3, pp. 194-200. DOI: 10.18500/1819-7663-2025-25-3-194-200, EDN: QMVWVB
Automatic identification of forest species using machine learning methods based on satellite image processing
Monitoring of the condition and species diversity of tree species plays a significant role in the forest resource management. The emergence of high-quality multispectral satellite images opens up opportunities for using information about vegetation in a certain area over a long period of time extracted from images in addition to data obtained as a result of field research. The paper considers the use of satellite images from Sentinel 2 for automated classification using the example of the territory of the natural monument ”Kumysnaya Polyana Nature Park”located in the vicinity of Saratov. Machine learning methods with a teacher were used as automation tools. The paper describes three approaches, differing in the algorithms used, as well as ways of structuring the information obtained from satellite images. As a result of the work, the test part of the study area was classified into seven types of trees, including regions dominated by the most common species. In the future, a similar approach to automating the marking of forest maps will potentially increase the data update interval in field research and increase their effectiveness.
- Макаров В. З., Гусев В. А., Шлапак П. А., Решетарова Д. А. Выбор оптимального метода распознавания сельскохозяйственных культур по космоснимкам высокого разрешения (на примере саратовского Заволжья) // Известия Саратовского университета. Новая серия. Серия : Науки о Земле. 2020. Т. 20, вып. 3. С. 162–170. https://doi.org/10.18500/1819-7663-2020-20-3-162-170, EDN: EBJEPG
- Ермолаев Н. Р., Юдин С. А., Белобров В. П., Ведешин Л. А., Шаповалов Д. А. Использование нейронных сетей и облачных сервисов для выделения геометрий сельскохозяйственных полей на основе данных дистанционного зондирования Земли // Исследования Земли из космоса. 2023. № 6. С. 98–105. https://doi.org/10.31857/S0205961423060039, EDN: ANJWSV
- Аббасов И. Б., Дешмух Р. Р. Распознавание изображений сельскохозяйственных культур, растений и лесных массивов // Известия ЮФУ. Технические науки. 2020. № 3 (213). С. 202–212. https://doi.org/10.18522/2311-3103-2020-3-202-212, EDN: GLVQUZ
- Данилов В. А., Морозова В. А., Моисеев Д. С. Применение математико-картографического моделирования для комплексной оценки оползневой опасности методом анализа иерархий на территории г. Саратова // Известия Саратовского университета. Новая серия. Серия : Науки о Земле. 2024. Т. 24, вып. 4. С. 259–268. https://doi.org/10.18500/1819-7663-2024-24-4-259-268, EDN: SEEUUV
- Данилов В. А., Морозова В. А., Фёдоров А. В., Шлапак П. А. Открытые данные дистанционного зондирования для выявления археологических объектов // Известия Саратовского университета. Новая серия. Серия : Науки о Земле. 2024. Т. 24, вып. 3. С. 150–158. https://doi.org/10.18500/1819-7663-2024-24-3-150-158, EDN: AQYZTX
- Макаров В. З. Тюков Д. В., Шлапак П. А. Использование данных дистанционного зондирования Земли при изучении горных ледников (на примере ледника Алибек в Карачаево-Черкессии) // Известия Саратовского университета. Новая серия. Серия : Науки о Земле. 2022. Т. 22, вып. 1. С. 13–20. https://doi.org/10.18500/1819-7663-2022-22-1-13-20, EDN: IFZSKT
- Mouret F., Morin D., Planells M., Vincent-Barbaroux C. Tree species classification at the pixel-level using deep learning and multispectral time series in an imbalanced context. URL: https://arxiv.org/pdf/2408.08887 (дата обращения: 20.07.2025).
- He T., Zhou H., Hu C., Hu J., Xue X., Xu L., Lou X., Zeng K., Wang Q. Deep Learning in Forest Tree Species Classification Using Sentinel-2 on Google Earth Engine: A Case Study of Qingyuan County // Sustainability. 2023. Vol. 15, iss. 3. Art. 2741. https://doi.org/10.3390/su15032741, EDN: JANRZL
- Polyakova A., Mukharamova S., Yermolaev O., Shaykhutdinova G. Automated Recognition of Tree Species Composition of Forest Communities Using Sentinel-2 Satellite Data // Remote Sensing 2023. Vol. 15, iss. 2. Art. 329. https://doi.org/10.3390/rs15020329, EDN: JHMBXQ
- Bolyn C., Lejeune P., Michez A., Latte N. Mapping tree species proportions from satellite imagery using spectralspatial deep learning // Remote Sensing of Environment. 2022. Vol. 280. Art. 113205 https://doi.org/10.1016/j.rse.2022.113205, EDN: NGROST