CC BY
168
УДК 528.88
ИДЕНТИФИКАЦИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ
Елена Юрьевна Сахарова
Сибирский центр ФГБУ «НИЦ "Планета"», 630099, Россия, г. Новосибирск, ул. Советская, 30, младший научный сотрудник; Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, аспирант кафедры физической геодезии и дистанционного зондирования, тел. (383)222-33-07, e-mail: elena.saharova27@gmail.com
Любовь Александровна Сладких
Сибирский центр ФГБУ «НИЦ "Планета"», 630099, Россия, г. Новосибирск, ул. Советская, 30, ведущий специалист, тел. (383)222-33-07, e-mail: sla@rcpod.siberia.net
Екатерина Николаевна Кулик
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, кандидат технических наук, доцент кафедры физической геодезии и дистанционного зондирования, тел. (383)361-08-66, e-mail: e.n.kulik@ssga.ru
Рассмотрены работы по автоматизированному дешифрированию сельскохозяйственных культур по многозональным космическим снимкам Landsat, выполненные на территории России и Белоруссии. Проведено сравнение методик и полученных результатов классификации с обучением по исходным и преобразованным спутниковым снимкам.
Ключевые слова: дистанционное зондирование, мониторинг состояния сельскохозяйственных культур, дешифрирование снимков, классификация с обучением.
CROPS IDENTIFICATION BASED ON REMOTE SENSING DATA USAGE
Elena Yu. Sakharova
Siberian Center FGBU «SRC "Planeta"», 630099, Russia, Novosibirsk, Sovetskaya st., 30, Junior Researcher; Siberian State University of Geosystems and Technologies, 630108, Russia, Novosibirsk, 10 Plakhotnogo st., Рost-graduate student of Physical Geodesy and Remote Sensing Department, tel. (383)222-33-07, e-mail: elena.saharova27@gmail.com
Lyubov. A. Sladkikh
Siberian Center FGBU «SRC "Planeta"», 630099, Russia, Novosibirsk, Sovetskaya st., 30, Leading Specialist, tel. (383)222-33-07, e-mail: sla@rcpod.siberia.net
Ekaterina N. Kulik
Siberian State University of Geosystems and Technologies, 630108, Russia, Novosibirsk, 10 Plakhotnogo st., Ph. D., Associate Professor of Physical Geodesy and Remote Sensing Department, tel. (913)926-82-57, e-mail: e.n.kulik@ssga.ru
Russian and Belarusian studies of automated crops interpretation on multi-zone Landsat images are considered. Comparison of supervised classification methods and results on the raw or enhanced satellite imagery is given.
Key words: remote sensing, crops status monitoring, image interpretation, supervised classification.
В вопросах обеспечения сельскохозяйственной отрасли актуальной информацией, особое место занимают спутниковые данные и продукты, получаемые на их основе. В настоящее время на базе данных дистанционного зондирования Земли возможно получать всестороннюю оперативную информацию, которая позволяет решить целый ряд задач: оценить состояние и интенсивность использования сельскохозяйственных земель, продуктивность возделываемых культур, состояние посевов, влияние внешних факторов на формирование и развитие сельскохозяйственных культур и т.д. [1-4] Знание о расположении отдельных культур на исследуемых полях в значительной степени облегчает выполнение поставленных выше задач. В связи с этим актуальность внедрения методов идентификации сельскохозяйственных культур по данным спутниковой съёмки становится очевидной.
Важнейшей частью системы земледелия, обеспечивающей эффективное ведение сельского хозяйства, является система севооборота. Проводимые при этом мероприятия позволяют поддерживать плодородие и обеспечивают восстановление почв, улучшают агрофизические свойства почвы, отвечают за профилактику болезней, защиту от вредителей, повышение урожайности выращиваемых культур и т.д. [5] В согласии с этим, структура посевных площадей подвержена ежегодной динамике: меняются как возделываемые культуры, так и площади полей, отведённые под них.
В сельскохозяйственных организациях хранятся архивы с информацией о размещении на полях культур, возделываемых в тот или иной период. Однако в большинстве случаев эта информация имеет статус внутреннего пользования и не всегда есть возможность получить к ней доступ. Такое состояние дел объективно подтверждает актуальность разработки методик независимой и оперативной идентификации возделываемых культур на территории сельскохозяйственных угодий.
Существует ряд работ посвященных вопросам автоматизированного распознавания видовой структуры посевов сельскохозяйственных культур на основе использования мультиспектральных космических снимков. В некоторых случаях, для этих целей используется способ классификации с обучением (правило максимального правдоподобия) по материалам спутниковой съёмки с космического аппарата (КА) Landsat [6, 7]. В данных исследованиях проведено сравнение результатов классификации отдельных культур по исходному снимку и по данным, полученным на основе спектральных преобразований исходных материалов: метод главных компонент, преобразование Tasseled Сар, различные индексные изображения. Для повышения качества тематической обработки применяют маску для дешифрирования, которая представляет собой векторный слой полей.
В первой работе [6] были изучены характеристики пяти сельскохозяйственных культур, наиболее типичных для исследуемой территории: ячмень яровой, пшеница озимая, подсолнечник, многолетние травы и кукуруза. Помимо исходного снимка для дешифрирования дополнительно были подготовлены порядка 13 преобразованных изображений: различные индексные изображения на
основе обработки разных спектральных каналов исходного снимка, преобразование Tasseled Cap и главных компонент. Первая часть экспериментальных работ была направлена на изучение спектральных отражательных свойств каждой культуры, для чего были проведены наземные полевые обследования. Количество эталонов для классификации выбрано исходя из оценки реального состояния культур. В ходе полевых исследований было выявлено, что одни и те же культуры имеют различные стадии развития и разное проективное покрытие, что подтверждается дифференциацией отражательной способности. Согласно с этими наблюдениями, было принято решение о создании эталонов не для каждой отдельной культуры, а для категорий их состояния. Вторая часть экспериментальных работ сводилась к созданию эталонов для каждой категории культур, выполнению классификации и оценке точности полученных результатов. Суммарная доля достоверно идентифицированных полей по анализируемым изображениям варьируется в пределах от 36% до 57%, а максимальная достоверность идентификации отдельных культур достигает от 87% до 100%. При этом автором отмечено, что разные культуры на одном и том же изображении имеют разную степень достоверности распознавания. По результатам данных экспериментов было выявлено, что наибольшая точность классификации наблюдалась при использовании преобразованного изображения (метод главных компонент, метод Tasseled Cap).
Во второй работе [7] для дешифрирования были выбраны следующие культуры: рожь озимая, пшеница озимая, пшеница яровая, тритикале озимая, рапс озимый, ячмень, овес, гречиха, кукуруза, многолетние травы и зернобобовые. По имеющейся информации о размещении сельскохозяйственных культур для каждой из них были созданы спектральные эталоны, после чего выполнялась классификация исходных снимков (временной ряд снимков на безоблачные даты) и преобразованных изображений. Точность классификации оценивалась величиной процентов правильно распознанной культуры на исследуемых полях, а также оценивалась суммарная точность классификации культур по каждому снимку. Наибольшая суммарная точность дешифрирования культур (более 93%) была отмечена при классификации исходного снимка, а также спектрально преобразованных изображений по методу Tasseled Cap и главных компонент. При этом классификация индексного изображения, на основе использования нормализованного разностного вегетационного индекса NDVI, показала достаточно невысокую достоверность распознавания (в зависимости от даты съёмки значения варьируются от 35% до 65%). Следует отметить, что для повышения достоверности идентификации культур важен не только выбор метода спектральных преобразований снимков, но и выбор сезона съёмки. Максимальные различия отражательной способности культур наблюдались в период с конца мая по первую половину июня, что подтвердилось большей достоверностью дешифрирования изображений за этот период по сравнению с более поздними датами.
Представленные работы показали хорошие результаты достоверности распознавания культур по снимкам с КА Landsat. Повышение точности классифи-
кации было достигнуто за счет применения векторного слоя полей в качестве маски для дешифрирования. Выполнение такой классификации требует глубокого анализа спектральных отражательных свойств различных культур; при проведении аналогичных экспериментов для получения схожей достоверности распознавания культур необходимым условием является наличие схемы расположения культур на полях.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Кулик Е. Н. Оперативный космический мониторинг: вчера, сегодня, завтра // Интерэкспо ГЕ0-Сибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск : СГГА, 2012. Т. 2. - С. 134-139.
2. Автоматизированное дешифрирование аэрокосмических снимков. Выявление изменений состояния территорий и объектов по многозональным космическим снимкам, полученным на разные даты / А. П. Гук, Л. Г. Евстратова, Е. П.Хлебникова, А. М. Алтынцев, С. А. Арбузов, А. С. Гордиенко, А. А. Гук // Геодезия и картография. - 2013. - № 8. - С. 39-47.
3. Сахарова Е. Ю., Сладких Л. А., Кулик Е. Н. Спутниковый мониторинг состояния посевов зерновых культур с использованием индекса вегетации // Интерэкспо ГЕО-Сибирь-2015. XI Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 13-25 апреля 2015 г.). - Новосибирск : СГУГиТ, 2015. Т. 1. - С. 47-52.
4. Сахарова Е. Ю., Сладких Л. А., Кулик Е. Н. Спутниковый мониторинг состояния посевов зерновых культур юга Западной Сибири // Региональные проблемы дистанционного зондирования Земли: материалы II Междунар. науч. конференции / науч. ред. Е. А. Ваганов; отв. ред. М. В. Носков. - Красноярск : Сиб. федер. ун-т, 2015. - С. 330-334.
5. Словари и энциклопедии на Академике [Электронный ресурс]. - Режим доступа: http://dic.academic.ru/dic.nsf/bse/130988/Севооборот
6. Терехин Э.А. Информативность спектральных вегетационных индексов для дешифрирования сельскохозяйственной растительности // Современные проблемы дистанционного зондирования Земли из космоса. - 2012. - Т. 9. - № 4. - С. 243-248.
7. Казяк Е. В., Лещенко А. В. Спектральные преобразования космических снимков Landsat 8 для картографирования растительности агроэкосистем // Интерэкспо ГЕО-Сибирь-2015. XI Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 13-25 апреля 2015 г.). - Новосибирск : СГУГиТ, 2015. Т. 1. - С. 79-83.
© Е. Ю. Сахарова, Л. А. Сладких, Е. Н. Кулик, 2016
