Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 172-183

Возможности распознавания сельскохозяйственных угодий с использованием методики совместной автоматизированной обработки разносезонных многозональных космических изображений

Е.А. Стыценко 1 
1 Московский государственный университет геодезии и картографии, Москва, Россия
Одобрена к печати: 25.09.2017
DOI: 10.21046/2070-7401-2017-14-5-172-183
В статье описаны возможности распознавания типов сельскохозяйственных угодий (пашня, залежь, кормовые угодья) и оценки их состояния (зарастание древесно-кустарниковой растительностью) с использованием методики автоматизированного дешифрирования разносезонных многозональных космических изображений. В работе были подобраны данные прибора OLI, установленного на спутнике Landsat 8, на исследуемую территорию и сформированы несколько зонально-временных изображений, состоящих из различных комбинаций разного количества (от двух до шести) изображений, полученных во все сезоны одного года. Каждое полученное зонально-временное изображение, а также одиночные разносезонные изображения, обрабатывалось независимо с последующей количественной оценкой полученных результатов. Автоматизированная обработка включала следующие этапы: предварительная обработка космических изображений, создание зонально-временных изображений, проведение контролируемой классификации методом максимального правдоподобия, количественная оценка достоверности результатов обработки, основанная на построении матриц ошибок классификации и расчете обобщающих показателей достоверности, таких как общая точность классификации, индекс каппа Коэна и других. Количественная оценка достоверности результатов автоматизированного дешифрирования одиночных разносезонных и зонально-временных изображений показала, что совместная обработка нескольких разносезонных изображений позволяет существенно повысить как общую достоверность классификации, так и точность верного определения пикселей классов сельскохозяйственных угодий. Кроме того, использование разносезонных изображений имеет преимущества на этапе формирования обучающей выборки, так как сравнение состояния сельскохозяйственных угодий в разное время года по нескольким разносезонным изображениям позволяет более достоверно выбрать эталонные участки сельскохозяйственных угодий.
Ключевые слова: Landsat 8 OLI, зонально-временные изображения, совместная обработка разносезонных изображений, классификация многозональных изображений, количественная оценка достоверности автоматизированного дешифрирования, сельскохозяйственные угодья, зарастание сельскохозяйственных угодий
Полный текст

Список литературы:

  1. Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А., Шабанов Н.В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.
  2. Барталев С.А., Егоров В.А., Лупян Е.А., Плотников Д.Е., Уваров И.А. Распознавание пахотных земель на основе многолетних спутниковых данных спектрорадиометра MODIS и локально-адаптивной классификации // Компьютерная оптика. 2011. Т. 35. № 1. С. 103–116.
  3. Лупян Е.А., Барталев С.А., Толпин В.А. Возможности и опыт использования спутниковых сервисов семейства Созвездие-Вега для решения задач мониторинга сельскохозяйственных земель и посевов. // Материалы Всерос. научной конф. (с международным участием) «Применение средств дистанционного зондирования Земли в сельском хозяйстве». Санкт-Петербург. 16–17 сент. 2015. СПб.: ФГБНУ АФИ, 2015. С. 41–46.
  4. Лурье И.К. Геоинформационное картографирование Методы геоинформатики и цифровой обработки космических снимков: учебник. М.: КДУ, 2008. 424 с.
  5. Маринина О.А., Терехин Э.А., Кириленко Ж.А., Курлович Д.М., Ковальчик Н.В. Особенности дистанционного выявления залежных участков и проблемы целевого использования земель сельскохозяйственного назначения // Современные проблемы науки и образования. 2013. № 5. С. 535.
  6. Плотников Д.Е., Барталев С.А., Лупян Е.А. Признаки распознавания пахотных земель на основе многолетних рядов данных спутникового спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2010. T. 7. № 1. С. 330–341.
  7. Попов М.А. Методология оценки точности классификации объектов на космических изображениях // Проблемы управления и информатики. 2007. № 1. С. 97–103.
  8. Самсонова В.П., Кондрашкина М.И., Кротов Д.Г., Чичиева О.А. Распознавание зарастающих земель на снимках Landsat 8 // Проблемы агрохимии и экологии. 2015. № 1. С. 53–57.
  9. Стыценко Е.А. Опыт дешифрирования растительного покрова земной поверхности с использованием разносезонных зональных космических изображений // «Актуальные проблемы природообустройства, кадастра и землепользования»: материалы Международной научно-практической конф., посвященной 95-летию факультету землеустройства и кадастров ВГАУ. Ч. I. Воронеж: ФГБОУ ВО Воронежский ГАУ, 2016. 284 с. С. 245–250.
  10. Чабан Л.Н. Автоматизированная обработка аэрокосмической информации при картографировании геопространственных данных: учебное пособие. М.: МИИГАиК, 2013 г. 96 с.
  11. Alcantara C.., Kuemmerle T., Baumann M., Bragina E.V., Griffiths P., Knorn J., Muller D., Prishchepov A.V., Schierhorn F., Sieber A., Radeloff V.C. Mapping the Extent of Abandoned Farmland in Central and Eastern Europe Using MODIS Time Series Satellite Data // Environment Research Letters. 2013. No. 8. P. 1–9.
  12. Cohen J. A Coefficient of agreement for nominal scales // Educational and Psychological Measurement. 1960. No. 20. P. 37–46.
  13. Congalton R. A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data // Remote Sensing of Environment. 1991. No. 37. P. 35–46.
  14. de Beurs K.M. Use of Landsat and MODIS Data to Remotely Estimate Russia’s Sown Area // J. Land Use Science. 2014. P. 1–25.
  15. Estel S., Kuemmerle T., Alcantara C., Levers C., Prishchepov A., Hostert P. Mapping Farmland Abandonment and Recultivation across Europe Using MODIS NDVI Time Series // Remote Sensing of Environment 2015. No. 163. P. 312–325.