Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 1. С. 81-92
Опыт использования данных прибора КМСС КА «Метеор-М» № 2 для задач мониторинга сельскохозяйственных угодий юга Хабаровского края
Л.В. Илларионова
1 , А.С. Степанов
2 , К.Н. Дубровин
1 , Е.А. Фомина
1 , А.А. Сорокин
1 , А.Л. Верхотуров
1 , В.А. Елисеев
1, 3 1 Вычислительный центр ДВО РАН, Хабаровск, Россия
2 Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровск, Россия
3 Национальный исследовательский университет "Высшая школа экономики", Москва, Россия
Одобрена к печати: 29.11.2024
DOI: 10.21046/2070-7401-2025-22-1-81-92
Представлены результаты работ по использованию данных прибора «Комплекс многоканальной спутниковой съёмки» (КМСС) космического аппарата (КА) «Метеор-М» № 2 в решении задач по идентификации сельскохозяйственных культур и классификации пахотных земель юга Хабаровского края. В исследовании были применены данные о севообороте в период с 2021 по 2023 г. сельскохозяйственных полей Хабаровского района общей площадью более 21 000 га, разделённых на пять классов: соя, зерновые, гречиха, многолетние травы, залежь. Рассматривались ежегодные серии композитных изображений каналов с пространственным разрешением 60 м, полученные на основе данных прибора КМСС с мая по сентябрь. Для отдельных полей каждого класса были построены среднестатистические временные ряды значений NDVI (англ. Normalized Difference Vegetation Index), рассчитаны показатели (значение максимума, день наступления максимума) и их вариабельность. Проведена попиксельная классификация на основе машинного обучения с использованием алгоритма Random Forest и получены следующие оценки: общая точность составила 0,95, F1-мера — 0,87. Точность определения пикселей классов: соя, зерновые, гречиха, многолетние травы, залежь, составила соответственно 0,98; 0,84; 0,76; 0,83; 0,93. В целом полученные результаты позволяют рассматривать изображения КМСС «Метеор-М» № 2 для решения задач классификации пахотных земель, в том числе на территории Хабаровского края, и использовать их в практической деятельности в сфере сельского хозяйства.
Ключевые слова: классификация, машинное обучение, пахотные земли, Хабаровский край, КМСС, мониторинг
Полный текстСписок литературы:
- Кашницкий А. В., Лупян Е. А., Плотников Д. Е., Толпин В. А. Анализ возможности использования данных различного пространственного разрешения при проведении мониторинга объектов // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 2. С. 60–74. DOI: 10.21046/2070-7401-2023-20-2-60-74.
- Кирсанов А. Д., Комаров А. А. Использование индекса NDVI для оценки развития многолетних трав в условиях пространственно-временной неоднородности на торфяных почвах // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 2. С. 143–155. DOI: 10.21046/2070-7401-2024-21-2-143-155.
- Лупян Е. А., Прошин А. А., Бурцев М. А. и др. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151–170. DOI: 10.21046/2070-7401-2019-16-3-151-170.
- Панов Д. Ю., Сахарова Е. Ю., Ромасько В. Ю., Рублев И. В. Прогнозирование ожидаемой урожайности зерновых культур по данным КА «Метеор-М» № 2-2 // Материалы 21-й Международ. конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2023. C. 393. DOI: 10.21046/21DZZconf-2023a.
- Плотников Д. Е., Колбудаев П. А., Жуков Б. С. и др. Публикация коллекции мультиспектральных измерений прибором КМСС-М (КА «Метеор-М» № 2) для количественной оценки характеристик земной поверхности // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 276–282. DOI: 10.21046/2070-7401-2020-17-7-276-282.
- Плотников Д. Е., Колбудаев П. А., Ёлкина Е. С. и др. Дистанционная оценка биофизических характеристик растительного покрова по данным спутниковой системы «Метеор-М» (КМСС) и нейросетевой инверсии RT-модели // Материалы 21-й Международ. конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2023. C. 100. DOI: 10.21046/21DZZconf-2023a.
- Сидоренков В. М., Астапов Д. О., Рыбкин Е. С. и др. Возможности использования спутниковой съемки с космического аппарата «Метеор-М» для определения количественных и качественных характеристик лесов // Лесохозяйственная информация. 2022. № 2. С. 5–12. DOI: 10.24419/LHI.2304-3083.2022.2.0.
- Шатрова К. В., Маглинец Ю. А., Цибульский Г. М. Модель представления информации о состоянии и динамике земель сельскохозяйственного назначения // Журн. Сибирского федерального ун-та. Техника и технологии. 2014. Т. 7. № 8. С. 984–989.
- Blickensdörfer L., Schwieder M., Pflugmacher D. et al. Mapping of crop types and crop sequences with combined time series of Sentinel-1, Sentinel-2 and Landsat-8 data for Germany // Remote Sensing of Environment. 2022. V. 269. Article 112831. DOI: 10.1016/j.rse.2021.112831.
- Dubrovin K., Verkhoturov A., Stepanov A., Aseeva T. Multi-year cropland mapping based on remote sensing data: A case study for the Khabarovsk Territory, Russia // Remote Sensing. 2024. V. 16, No. 9. Article 1633. DOI: 10.3390/rs16091633.
- Erdanaev E., Kappas M., Wyss D. Irrigated crop types mapping in Tashkent Province of Uzbekistan with remote sensing-based classification methods // Sensors. 2022. V. 22. Article 5683. DOI: 10.3390/s22155683.
- Gomez C., White J. C., Wulder M. A. Optical remotely sensed time series data for land cover classification: A review // ISPRS J. Photogrammetry and Remote Sensing. 2016. V. 116. P. 55–72. DOI: 10.1016/j.isprsjprs.2016.03.008.
- Song X.-P., Huang W., Hansen M. C., Potapov P. An evaluation of Landsat, Sentinel-2, Sentinel-1 and MODIS data for crop type mapping // Science of Remote Sensing. 2021. V. 3. Article 100018. DOI: 10.1016/j.srs.2021.100018.