Использование библиотеки Keras для дешифрирования местообитаний животных методами глубокого обучения

В работе рассматривается применение алгоритмов глубокого обучения из библиотеки Keras для решения задачи классификации вырубок разного возраста с помощью дистанционного зондирования в среде R. Подробно рассмотрена достаточно сложная процедура установки библиотек Keras на компьютер. Описаны этапы нейросетевого моделирования и их вариации при использовании пакета R neuralnet и среды Keras. Выполнено дешифрирование космических снимков в окрестностях д. Гомсельга (Карелия) с использованием данных полевой съемки. Типичный алгоритм дешифрирования (классификация с обучением) был дополнен совместным многомерным анализом яркостных характеристик снимка и полевыми геоботаническими описаниями. В результате были сформированы четыре набора эталонных сигнатур, соответствующие тому или иному состоянию зарастающих вырубок. Нейросеть (многослойный персептрон) настраивалась на распознавании этих типов насаждений и затем выполнила классификацию остальных пикселей снимка для всей изучаемой территории. На основе анализа геоботанических описаний и спутниковых данных была создана грид-карта с выделением четырех основных типов местообитаний: свежие вырубки, зарастающие вырубки, молодняки, лиственный лес. Обработка данных с помощью алгоритмов Keras существенно ускоряет анализ, позволяет увеличивать число слоев и нейронов и детализировать грид. В частности, в отличие от алгоритмов эталонного дешифрирования, предлагаемый подход позволил выявить неоднородность растительности в пределах одновозрастных вырубок. Результаты работы используются для выявления разнородных местообитаний животных и влияния экологических факторов на их пространственное распределение и численность.