Публикации автора

Цель. Продемонстрировать новый подход для оценки предрасположенности терри­тории к развитию овражной эрозии на основе алгоритмов машинного обучения.

Процедура и методы. Ключевыми исследовательскими методами стали: моделирова­ние на основе машинного обучения (с использованием метода сглаженной много­уровневой оценки) и геоинформационное моделирование. Для анализа существу­ющих подходов к оценке предрасположенности территории к развитию овражной эрозии использован анализ литературных источников. Непосредственно для про­ведения самой оценки авторы применили один из современных методов машинного обучения — CatBoost, который предусматривает создание ансамбля из нескольких моделей машинного обучения (ансамблирование моделей).

Результаты. Предложен новый метод — сглаженной многоуровневой оценки предрас­положенности территории к развитию овражной эрозии на примере Воробьёвского района Воронежской области. Рассмотрены сходства и различия предлагаемого под­хода с уже существующими методами, базирующимися на идее ансамблирования. Обоснованы 2 новые метрики для оценки точности работы предлагаемого метода — RF1 и NDF. Введены понятия мягкого, жёсткого и взвешенного уровней модели­рования, позволившие оценить вклад морфометрии рельефа в развитие овражной эрозии. Установлено, что наибольшее влияние на этот процесс оказывают абсо­лютные и относительные высоты местности, LS-фактор, водосборная площадь и экспозиция склона. Вместе они объясняют 95% площадей существующей овражной эрозии в регионе. По итогам моделирования на территории Воробьёвского района Воронежской области было выявлено 2 853 га земель с высокой и очень высокой предрасположенностью к развитию овражной эрозии. В ландшафтном отношении им соответствуют остепненные долинно-балочные склоны южных экспозиций, от­личающиеся наибольшей протяжённостью, крутизной и высотой, имеющие вогну­тый поперечный профиль и значительные водосборные площади.

Теоретическая и/или практическая значимость. Предложен новый подход на основе методов машинного обучения по оценке территории на предмет её предрасположен­ности к развитию овражной эрозии. С практической точки зрения, предлагаемые в работе идеи и сам методический подход могут быть использованы для получения более надежного результата по сравнению с рядом классических методов и техноло­гий машинного обучения, что особенно актуально при анализе крупных регионов с высокой неравномерностью распределения овражных форм рельефа.