КАРТИРОВАНИЕ ПОТЕНЦИАЛА ПОДЗЕМНЫХ ВОД С ПРИМЕНЕНИЕМ СПУТНИКОВЫХ ДАННЫХ И АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ НА ПРИМЕРЕ ИЛИЙСКОГО РАЙОНА АЛМАТИНСКОЙ ОБЛАСТИ ЮЖНОГО КАЗАХСТАНА

Аннотация

В настоящем исследовании применяется интегрированный подход, основанный на совместном использовании данных дистанционного зондирования и методов машинного обучения для прогнозирования пространственного распределения потенциальных зон подземных вод. В качестве основного алгоритма классификации выбран метод «случайного леса» (Random Forest), который относится к методам обучения с учителем и демонстрирует высокую устойчивость к шуму входных данных. Общая схема исследования включает четыре основных этапа: формирование входных пространственных переменных; подготовка обучающей выборки; обучение и настройка модели Random Forest; валидация и оценка точности результатов. В качестве входных переменных использованы спектральные индексы: NDVI, NDWI; морфометрические параметры: уклон (Slope), высота (DEM); гидрологический фактор: расстояние до водных объектов – Эвклидово расстояние (Distance to Rivers). В качестве обучающих данных: точки водозаборных сооружений по Илийскому району Алматинской области. Для моделирования потенциала подземных вод был использован алгоритм Random Forest, реализованный в среде Python с использованием библиотеки Scikit-learn. В качестве предикторов использовались спутниковые и геоморфометрические данные, которые были обработаны в ПО ArcGIS. Все переменные были приведены к единому пространственному разрешению и системе координат. Для обеспечения сопоставимости данных выполнена нормализация значений, что позволило снизить влияние различий в диапазонах признаков на процесс обучения модели. Обученная модель была применена ко всей исследуемой территории с использованием метода наложения растровых изображений, в результате чего была получена пространственно непрерывная карта потенциала грунтовых вод, классифицированная на зоны низкого, среднего и высокого потенциала.