Журнал

О журнале Новости Редколлегия Информация для авторов и рецензентов Публикационная этика Дискуссия Контакты ЛИЧНЫЙ КАБИНЕТ:
отправка и рецензирование статей
Архив
Том 21, 2024
Номер 1
Том 20, 2023
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 19, 2022
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 18, 2021
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 17, 2020
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 16, 2019 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 15, 2018 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 14, 2017 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 13, 2016 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 12, 2015 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 11, 2014 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 10, 2013 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 9, 2012 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5
Том 8, 2011 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 7, 2010 г.
Номер 1 Номер 2 Номер 3 Номер 4
Выпуск 6, 2009 г.
Том 1 Том 2
Выпуск 5, 2008 г.
Том 1 Том 2
Выпуск 4, 2007 г.
Том 1 Том 2
Выпуск 3, 2006 г.
Том 1 Том 2
Выпуск 2, 2005 г.
Том 1 Том 2
Выпуск 1, 2004 г.
Том 1
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
подписаться отписаться
English version
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. 2021. Т. 18. № 4. С. 115-127

Метод оценки трансформаций растительного покрова сирийского средиземноморского региона на основе данных спутникового зондирования с помощью эвристических правил

А. Хатиб 1 , В.А. Малинников 1 
1 Московский государственный университет геодезии и картографии, Москва, Россия
Одобрена к печати: 22.06.2021
DOI: 10.21046/2070-7401-2021-18-4-115-127
Постклассификационный метод является одним из наиболее широко используемых на сегодняшний день методов при оценке трансформаций растительного покрова на основе данных спутникового зондирования. Но его использование имеет ряд недостатков. Во-первых, ошибки результатов независимого автоматизированного дешифрирования разновременных данных спутникового зондирования могут накапливаться, что приводит, в свою очередь, к снижению достоверности результатов оценки трансформаций растительного покрова. Во-вторых, при оценке достоверности карты трансформаций растительного покрова размер матрицы ошибок растёт как 2-я степень от матрицы ошибок по одной дате. Это затрудняет создание контрольной выборки и оценку достоверности полученных результатов, поскольку некоторые трансформации не происходят или происходят редко. В данной работе представлен и апробирован подход к сопоставлению результатов автоматизированного дешифрирования разновременных спутниковых изображений и фильтрации возможных ошибок с помощью эвристических правил, составленных на основе априорных знаний о возможных и маловероятных трансформациях типов земного покрова в сирийском средиземноморском регионе за период 2010–2018 гг. Для создания контрольной выборки и оценки достоверности карты трансформаций растительного покрова все изменения на карте сведены к интересующим генерализованным тематическим классам. Общая точность карты трансформаций растительного покрова составила 92 %. Точность производителя тематических классов на карте варьировалась в диапазоне значений 87–100 %, а точность пользователя — 73–99 %, что свидетельствует о высокой достоверности применения предложенного подхода. Кроме того, данный подход даёт информацию о степени неопределённости оценок трансформаций растительного покрова.
Ключевые слова: дистанционное зондирование, Landsat, трансформация растительного покрова, постклассификационный метод, эвристические правила, доверительные интервалы, автоматизированное дешифрирование, контролируемая классификация, случайный лес, текстурные признаки, цифровая модель рельефа
Полный текст

Список литературы:

  1. Барталев С. А., Лупян Е. А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 1. С. 197–214.
  2. Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А. Состояние и перспективы развития методов спутникового картографирования растительного покрова России // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 203–221.
  3. 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 c.
  4. Барталев С. А., Елкина Е. С., Лупян Е. А., Плотников Д. Е., Толпин В. А. Дистанционная оценка озимых культур урожая 2017 года в Российской Федерации // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 4. С. 275–280. DOI: 10.21046/2070-7401-2017-14-4-275-280.
  5. Денисов  П. В., Середа И. И., Трошко К. А., Лупян Е. А., Плотников Д. Е., Толпин В. А. Особенности развития озимых и яровых культур на европейской территории России в сезоне 2019–2020 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 306–311. DOI: 10.21046/2070-7401-2020-17-4-306-311.
  6. Жарко В. О., Барталев С. А., Егоров В. А. Исследование возможностей оценки запасов древесины в лесах Приморского края по данным спутниковой системы Proba-V // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 1. С. 157–168. DOI: 10.21046/2070-7401-2018-15-1-157-168.
  7. Лупян Е. А., Денисов П. В., Середа И. И., Трошко К. А., Плотников Д. Е., Толпин В. А. Наблюдение развития озимых культур в южных регионах России весной 2020 г. на основе данных дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 285–291. DOI: 10.21046/2070-7401-2020-17-2-285-291.
  8. Плотников Д. Е., Барталев С. А., Лупян Е. А., Толпин В. А. Оценка точности выявления посевов озимых культур в весенне-летний период вегетации по данным прибора MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 4. С. 132–145. DOI: 10.21046/2070-7401-2017-14-4-132-145.
  9. Середа И. И., Денисов П. В., Трошко К. А., Лупян E. А., Плотников Д. Е., Толпин В. А. Уникальные условия развития озимых культур, наблюдаемые по данным спутникового мониторинга на европейской территории России в октябре 2020 г. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 5. С. 304–310. DOI: 10.21046/2070-7401-2020-17-5-304-310.
  10. Терехин Э. А. Оценка нарушенности лесов лесостепной зоны в начале XXI в. по спутниковым данным // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 134–146. DOI: 10.21046/2070-7401-2020-17-2-134-146.
  11. Хатиб А., Малинников В. А. Автоматизированная классификация растительного покрова средиземноморского ландшафта по космическим изображениям высокого пространственного разрешения с учётом спектрально-текстурных и топографических признаков // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 51–63. DOI: 10.21046/2070-7401-2021-18-2-51-63.
  12. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. 2nd ed. / eds. Congalton R. G., Green K. F.L. Boca Raton, Florida: CRC Press, 2009. 183 p.
  13. Banskota A., Kayastha N., Falkowski M., Wulder M., Froese R., White J. Forest Monitoring Using Landsat Time Series Data: A Review // Canadian J. Remote Sensing. 2014. V. 40. No. 5. P. 362–384. DOI: 10.1080/07038992.2014.987376.
  14. Bartalev S., Plotnikov D., Loupian E. Mapping of arable land in Russia using multi-year time series of MODIS data and the LAGMA classification technique // Remote Sensing Letters. 2016. V. 7. No. 3. P. 269–278. DOI: 10.1080/2150704X.2015.1130874.
  15. Coppin P., Jonckheere I., Nackaerts K., Muys B., Lambin E. Digital change detection methods in ecosystem monitoring: a review // Intern. J. Remote Sensing. 2004. V. 25. No. 9. P. 1565–1596. DOI: 10.1080/0143116031000101675.
  16. Hansen M., Potapov P., Moore R., Hancher M., Turubanova S., Tyukavina A., Thau D., Stehman S., Goetz S., Loveland T., Kommareddy A., Egorov A., Chini L., Justice C. Townshend J. High-Resolution Global Maps of 21st-Century Forest Cover Change // Science. 2013. V. 342. No. 6160. P. 850–853. DOI: 10.1126/science.1244693.
  17. Hanzeyu X., Shuhua Q., Peng G., Chong L., Junbang W. Long-term monitoring of citrus orchard dynamics using time-series Landsat data: a case study in southern China // Intern. J. Remote Sensing. 2018. V. 39. No. 22. P. 8271–8292. DOI: 10.1080/01431161.2018.1483088.
  18. Henits L., Jürgens C., Mucsi L. Seasonal multitemporal land-cover classification and change detection analysis of Bochum, Germany, using multitemporal Landsat TM data // Intern. J. Remote Sensing. 2016. V. 37. No. 15. P. 439–3454. DOI: 10.1080/01431161.2015.1125558.
  19. Hermosilla T., Wulder M., White J., Coops N., Hobart G. Disturbance-Informed Annual Land Cover Classification Maps of Canada’s Forested Ecosystems for a 29-Year Landsat Time Series // Canadian J. Remote Sensing. 2018. V. 44. No. 1. P. 67–87. DOI: 10.1080/07038992.2018.1437719.
  20. Hussain M., Chen D., Cheng A., Wei H., Stanley D. Change detection from remotely sensed images: From pixel-based to object-based approaches // ISPRS J. Photogrammetry and Remote Sensing. 2013. V. 80. P. 91–106. DOI: 10.1016/j.isprsjprs.2013.03.006.
  21. Introductory Digital Image Processing: A Remote Sensing Perspective. 4th ed. / ed. Jensen J. U. Utah: Pearson Education, 2015. 623 p.
  22. Lu D., Mausel P., Brondizio E., Moran E. Change detection techniques // Intern. J. Remote Sensing. 2004. V. 25. No. 12. P. 2365–2401. DOI: 10.1080/0143116031000139863.
  23. Lu D., Li G., Moran E. Current situation and needs of change detection techniques // Intern. J. Image and Data Fusion. 2014. V. 5. No. 1. P. 13–38. DOI: 10.1080/19479832.2013.868372.
  24. Mengna L., Congcong L., Hong J., Chengyuan F., Jun Y., Zhiliang Z., Lei S., Shirong L., Peng G. Tracking bamboo dynamics in Zhejiang, China, using time-series of Landsat data from 1990 to 2014 // Intern. J. Remote Sensing. 2016. V. 37. No. 7. P. 1714–1729. DOI: 10.1080/01431161.2016.1165885.
  25. Olofsson P., Foody G., Stehman S., Woodcock C. Making better use of accuracy data in land change studies: Estimating accuracy and area and quantifying uncertainty using stratified estimation // Remote Sensing of Environment. 2013. V. 129. P. 122–131. DOI: 10.1016/j.rse.2012.10.031.
  26. Olofsson P., Foody G., Herold M., Stehman S., Woodcock C., Wulder M. Good practices for estimating area and assessing accuracy of land change // Remote Sensing of Environment. 2014. V. 148. P. 42–57. DOI: 10.1016/j.rse.2014.02.015.
  27. Potapov P., Turubanova S., Tyukavina A., Krylov A., McCarty J., Radeloff V., Hansen M. Eastern Europe’s forest cover dynamics from 1985 to 2012 quantified from the full Landsat archive // Remote Sensing of Environment. 2015. V. 159. P. 28–43. DOI: 10.1016/j.rse.2014.11.027.
  28. Salah H., Goldin S., Rezgui A., Nour-Ilislam B., Ait-Aoudia S. What is a remote sensing change detection technique? Towards a conceptual framework // Intern. J. Remote Sensing. 2019. V. 41. No. 5. P. 1788–1812. DOI: 10.1080/01431161.2019.1674463.
  29. Singh A. Digital change detection techniques using remotely-sensed data // Intern. J. Remote Sensing. 1989. V. 10. No. 6. P. 989–1003. DOI: 10.1080/01431168908903939.
  30. Stehman S. Estimating area from an accuracy assessment error matrix // Remote Sensing of Environment. 2013. V. 132. P. 202–211. DOI: 10.1016/j.rse.2013.01.016.
  31. Tsarouchi G., Mijic A., Moulds S., Buytaert W. Historical and future land-cover changes in the Upper Ganges basin of India // Intern. J. Remote Sensing. 2014. V. 35. No. 9. P. 3150–3176. DOI: 10.1080/01431161.2014.903352.
  32. Waldner F., Fritz S., Gregorio A., Plotnikov D., Bartalev S., Kussul N., Gong P., Thenkabail P., Hazeu G., Klein I., Löw F., Miettinen J., Dadhwal V., Lamarche C., Bontemps S., Defourny Р. A Unified Cropland Layer at 250 m for Global Agriculture Monitoring // Data. 2016. V. 1. No. 1. Art. No. 3. 13 p. DOI: 10.3390/data1010003.
  33. Zhang L., Weng Q. Annual Dynamics of Impervious Surface in the Pearl River Delta, China, from 1988 to 2013, Using Time Series Landsat Imagery // ISPRS J. Photogrammetry and Remote Sensing. 2016. V. 113. P. 86–96. DOI: 10.1016/j.isprsjprs.2016.01.003.
  34. Zhu Z. Change detection using Landsat time series: A review of frequencies, preprocessing, algorithms, and applications // J. Photogrammetry and Remote Sensing. 2017. V. 130. P. 370–384. DOI: 10.1016/j.isprsjprs.2017.06.013.