@article{Ямашкин_Ямашкин_Байчурин_Токарев_Лямзина_2023, title={Тестовые полигоны для диагностики состояния геосистем и развития методов интерпретации данных дистанционного зондирования Земли}, url={https://journals.vsu.ru/geo/article/view/10820}, DOI={10.17308/geo/1609-0683/2022/4/4-18}, abstractNote={<p>Исследование, представленное в статье, направлено на разработку методов и алгоритмов системного анализа данных тестовых полигонов с целью диагностики состояния геосистем и развития методов интерпретации данных дистанционного зондирования Земли. Материалы и методы. Разработка методов и алгоритмов анализа и интеграции пространственной информации опиралась на анализ системы тестовых полигонов, раскрывающих особенности взаимодействия лесостепных и лесных геосистем Приволжской возвышенности и Окско-Донской низменности. Общая схема процесса составления цифровой карты геосистем реализуется посредством решения задач сбора, систематизации и анализа пространственных данных с построением иерархии геосистем с оценкой результатов моделирования для достижения цели практического использования пространственной информации. Результаты и обсуждение. Объединение моделей в ансамбль на основе предложенной архитектуры метаклассификатора позволяет повысить устойчивость анализирующей системы: точность решений, принимаемых ансамблем, имеет тенденцию стремиться к точности наиболее эффективного моноклассификатора системы. Системный анализ дескрипторов территории, интегрируемых на основе данных из разных источников, дает существенный прирост точности классификации метагеосистем. Важно то, что картограммы представленных дескрипторов хорошо интерпретируются специалистами в области анализа данных в науках о Земле. Заключение. Использование ансамблей, выстраиваемых по предложенной в статье методике, позволяет проводить оперативный автоматизированный анализ пространственных данных для решения задачи тематического картографирования метагеосистем и природных процессов. Расчет и консолидация территориальных дескрипторов позволяют снизить размерность анализируемых данных, облегчить допустимую емкость модели машинного обучения, повысить ее устойчивость к переобучению, не допустить значительного снижения точности классификации в рамках конкретной решаемой задачи.</p&gt;}, number={4}, journal={Вестник ВГУ. Серия: География. Геоэкология}, author={Ямашкин, Анатолий Александрович and Ямашкин, Станислав Анатольевич and Байчурин, Марат Радикович and Токарев, Александр Александрович and Лямзина, Инна Сергеевна}, year={2023}, month={янв.}, pages={4-18} }