Аннотация:
Статья посвящена разработке информационной технологии раннего распознавания видов сельскохозяйственных культур по набору космических снимков на территориях масштаба региона. Раннее распознавание проводится в первой половине посевного сезона и характеризуется нехваткой наземных и космических данных для настройки алгоритмов распознавания. Предлагаемая в статье технология позволяет генерировать обучающую выборку по данным прошлых лет и использовать её для распознавания культур текущего года. Технология состоит их двух этапов. На первом этапе по данным за прошедшие годы формируются модели временных рядов, сельскохозяйственных культур и агросезонов. На втором этапе производится работа с данными текущего года. Сначала по немногочисленному набору опорных полей с известным видом культуры выбирается подходящая модель агросезона, близкая к развитию культур в текущем году, а затем по характеристикам модели агросезона генерируется обучающая выборка и выполняется распознавание культур текущего сезона. В статье оценивается качество распознавания с использованием предлагаемой информационной технологии и возможность её применения на территории региона. Для экспериментальных исследований используются данные за 2011 – 2015 годы, полученные на территории Самарской области.

Ключевые слова :
распознавание сельскохозяйственных культур, космические снимки, вегетационные индексы, временные ряды, NDVI, алгоритм вычисления оценок, модель временного ряда.

Цитирование:
Воробьёва, Н.С. Информационная технология раннего распознавания видов сельскохозяйственных культур по космическим снимкам / Н.С. Воробьёва, В.В. Сергеев, А.В. Чернов // Компьютерная оптика. – 2016. – Т. 40, № 6. – С. 929-938. – DOI: 10.18287/2412-6179-2016-40-6-929-938.

Литература:

1. Книжников, Ю.Ф. Аэрокосмические методы географических исследований / Ю.Ф. Книжников, В.И. Кравцова, О.В. Тутубалина. – 2-е изд., перераб. и доп. – М.: Академия, 2011. – 416 с. – ISBN: 978-5-7695-6830-5.
2. Барталёв, С.А. Распознавание пахотных земель на основе многолетних спутниковых данных спектрорадио­метра MODIS и локально адаптивной классификации / С.А. Барталёв, В.А. Егоров, Е.А. Лупян,  Плотников, И.А. Уваров // Компьютерная оптика. – 2011. – Т. 35, №1. – С. 103-116.
3. Спивак, Л.Ф. Космический мониторинг сельскохозяйственного производства в Казахстане / Л.Ф. Спивак, Н.Р. Муратова // Земля из космоса. Наиболее эффективные решения. – 2011. – Вып. 9. – С. 57-65.
4. Султангазин, У.М. Использование космического мониторинга в планировании и прогнозировании параметров зернового производства / У.М. Султангазин, Н.Р. Муратова, А.Г. Терехов // Современные проблемы дистанционного зондирования Земли из космоса. – 2004. – Т. 1, № 1. – С. 291-297.
5. Schmedtmann, J. Reliable crop identification with satellite imagery in the context of common agriculture policy subsidy control / J. Schmedtmann, M.L. Campagnolo // Remote Sensing of Environment. – 2015. – Vol. 7(7). – P. 9325-9346. – DOI: 10.3390/rs70709325.
6. Плотников, Д.Е. Признаки распознавания пахотных земель на основе многолетних рядов данных спутникового спектрорадиометра MODIS / Д.Е. Плотников, С.А. Барталев, Е.А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса. – 2010. – Т. 7, №. 1. – С. 330-341.
7. Плотников, Д.Е. Экспериментальная оценка распознаваемости агрокультур по данным сезонных спутниковых измерений спектральной яркости / Д.Е. Плотников, С.А. Барталев, В.О Жарко, В.В. Михайлов, О.И. Про­сянникова // Современные проблемы дистанционного зондирования земли из космоса. – 2011. – Т. 8, № 1. – C. 199-208.
8. Wardlow, B.D. Analysis of time-series MODIS 250 m vegetation index data for crop classification in the U.S. Central Great Plains / B.D. Wardlow, S.L. Egbert, J.H. Kastens // Remote Sensing of Environment. – 2007. – Vol. 108. – P. 290-310. – DOI: 10.1016/j.rse.2006.11.021.
9. Wardlow, B.D. Large-area crop mapping using time-series MODIS 250 m NDVI data: An assessment for the U.S. Central Great Plains / B.D. Wardlow, S.L. Egbert // Remote sensing of environment. – 2008. – Vol. 112(3). – P. 1096-1116. – DOI: 10.1016/j.rse.2007.07.019.
10. Wei, W. Selecting the optimal NDVI time-series reconstruction technique for crop phenology detection / W. Wei, W. Wu, Zh. Li, P. Yang, Q. Zhou // Intelligent Automation & Soft Computing. Special Section: Intelligent Automation with Applications to Agriculture. – 2016. – Vol. 22(2). – P. 237-247. – DOI: 10.1080/10798587.2015.1095482.
11. Терехин, Э.А. Информативность спектральных вегетационных индексов для дешифрирования сельскохозяйственной растительности / Э.А. Терехин // Современные проблемы дистанционного зондирования Земли из космоса. – 2012. – Т. 9, № 4. – С. 243-248.
12. Castillejo-González, I.L. Object- and pixel-based analysis for mapping crops and their agro-environmental associated measures using QuickBird / I.L. Castillejo-González, F. López-Granados, A. García-Ferrer // Computers and Electronics in Agriculture. – 2009. – Vol. 68(2). – P. 207-215. – DOI: 10.1016/j.compag.2009.06.004.
13. Fischer, A. A model for the seasonal variations of vegetation indices in coarse resolution data and its inversion to extract crop parameters / A. Fischer // Remote Sensing of Environment. – 1994. – Vol. 48(2). – P. 220-230. – DOI: 10.1016/0034-4257(94)90143-0.
14. Zhong, L. A phenology-based approach to map crop types in the San Joaquin Valley, California / L. Zhong, T. Hawkins // International Journal of Remote Sensing. – 2011. – Vol. 32(22). – P. 7777-7804. – DOI: 10.1080/01431161.2010.527397.
15. Ozdogan, M., The spatial distribution of crop types from MODIS data: Temporal unmixing using Independent Component Analysis / M. Ozdogan // Remote Sensing of Environment. – 2010. – Vol. 114(6). – P. 1190-1204. – DOI: 10.1016/j.rse.2010.01.006.
16. Brown, JC. Classifying multiyear agricultural land use data from Mato Grosso using time-series MODIS vegetation index data / J.C. Brown, J.H. Kastens, A.C. Coutinho, D. de Castro Victoria, Ch.R. Bishop // Remote Sensing of Environment. – 2013. – Vol. 130. – P. 39-50. – DOI: 10.1016/j.rse.2012.11.009.
17. Justice, C.O. An overview of MODIS Land data processing and product status / C.O. Justice, J.R.G. Townshend, E.F. Vermote // Remote Sensing of Environment. – 2002. – Vol. 83(1). – P. 3-15. – DOI: 10.1016/S0034-4257(02)00084-6.
18. Vorobiova, N.S. How to Use Geoinformation Technologies and Space Monitoring for Controlling the Agricultural Sector in Samara Region / N.S Vorobiova, A.Yu. Denisova, A.V. Kuznetsov, A.M. Belov, A.V. Chernov, V.V. Myasnikov // Pattern Recognition and Image Analysis. – 2015. – Vol. 25(2). – P. 347-353. – DOI: 10.1134/S1054661815020261.
19. Журавлев, Ю.И. Алгоритмы вычисления оценок и их применение / Ю.И. Журавлев, М.М. Камилов, Ш.Е. Туляганов. – Ташкент: Фан, 1974. – 119 с.
20. Васин, А.В. Формирование высокопродуктивных поливидовых агрофитоценозов кормовых культур в Среднем Поволжье : дис. ... д-ра с.-х. наук: 06.01.09. / Алексей Васильевич Васин; Самарская гос. с.-х. акад. – Кинель, 2006. – 513 с.

---

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20