Идентификация участия Populus tremula L. (осины) в бореальных лесах на конкретных лесных выделах является сложной задачей для устойчивого
управления лесами и сохранения биоразнообразия. Являясь ключевым видом лиственных пород в таежном регионе, осина имеет экономические и экологические эффекты при ее использовании и сохранении.
В этом исследовании представлена методология прогнозирования присутствия осины с использованием спутниковых данных Sentinel-2 и машинного обучения, сочетающая бинарную классификацию (наличие/
отсутствие) с оценкой вероятности. Мы использовали спектральные характеристики (NDVI, EVI, SAVI), полученные на основе изображений Sentinel- 2, использовали модель логистической регрессии для классификации встречаемости осины. SAVI продемонстрировал сильное влияние на точность классификации благодаря своей способности корректировать модель с учетом параметров почвы, в то время как EVI и
NDVI оказались очень важными только в летнее время, отражая
сезонную динамику растительности. Присутствие осины в хвойном лесу снижает значения EVI. Общая точность модели составила 94,77% при
XGBoost и 95,03% - при использовании случайного леса в
любое время года. Такие достоверные данные о распределении осины помогают в планировании лесного хозяйства, а алгоритм автоматизирует
инвентаризацию и картографирование осиновых насаждений и позволяет снизить зависимость от трудоемких наземных исследований.