(43-5) 18 * << * >> * Русский * English * Содержание * Все выпуски

Выработка требований к мультиспектральным данным дистанционного зондирования Земли в задаче экспертизы зарастания пахотных земель древесно-кустарниковой растительностью

А.Ю. Денисова1, А.А. Егорова1, В.В. Сергеев1,2, Л.М. Кавеленова1

1 Самарский национальный исследовательский университет имени академика С.П. Королёва,  
443086, Россия, г. Самара, Московское шоссе, д. 34,
2 ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН,  
443001, Россия, г. Самара, ул. Молодогвардейская, д. 151

 PDF, 1565 kB

DOI: 10.18287/2412-6179-2019-43-5-846-856

Страницы: 846-856.

Аннотация:
В статье рассматривается вопрос формирования требований к мультиспектральным данным дистанционного зондирования Земли при экспертизе зарастания пахотных земель древесно-кустарниковой растительностью с применением авторской технологии анализа состава растительных сообществ, основанной на суперпиксельной сегментации. Исследование производится по двум наземным контрольно-измерительным площадкам с использованием доступных данных дистанционного зондирования Земли высокого разрешения. В статье рассматривается влияние пространственного разрешения, комбинаций спектральных каналов, а также сезонов съёмки на качество оценки элементарных классов растительности, составляющих основу растительного сообщества – залежь, по мультиспектральным данным дистанционного зондирования Земли. В ходе исследований было показано, что для определения древесно-кустарниковой растительности эффективнее использовать данные дистанционного зондирования Земли, полученные в осенний период, а именно во второй половине сентября. Наилучшими спектральными каналами для анализа древесно-кустарниковой растительности на фоне травянистых растительных сообществ оказались красный и синий спектральные каналы, а для разделения на классы различных травянистых растительных сообществ в составе спектра необходимо наличие ближнего инфракрасного канала. Данные дистанционного зондирования Земли с пространственным разрешением 2,5 м позволяют устойчиво выделять древесно-кустарниковые растительные сообщества с высокой сомкнутостью крон (90 % и более), но не могут быть использованы для классификации отдельно стоящих экземпляров деревьев. Отдельно стоящие высокие деревья и кустарники (с высотой 8 м) могут быть классифицированы на изображениях с пространственным разрешением 0,8 м, однако увеличение пространственного разрешения не повышает качества классификации. Наивысшая достигнутая с помощью использованной технологии точность определения элементарных классов растительности на исследуемых площадках составила 90 % и 83 %, что показывает высокий потенциал её применения в рассматриваемом виде экспертизы пахотных земель.

Ключевые слова:
залежь, мультиспектральные данные дистанционного зондирования Земли, набор спектральных каналов, пахотные земли, пространственное разрешение, сезон съёмки, суперпиксельная сегментация, элементарный класс растительности.

Цитирование:
Денисова, А.Ю. Выработка требований к мультиспектральным данным дистанционного зондирования Земли в задаче экспертизы зарастания пахотных земель древесно-кустарниковой растительностью / А.Ю. Денисова, А.А. Егорова, В.В. Сергеев, Л.М. Кавеленова // Компьютерная оптика. – 2019. – Т. 43, № 5. – С. 846-856. – DOI: 10.18287/2412-6179-2019-43-5-846-856.

Благодарности:
Работа выполнена при поддержке грантов РФФИ № 16-29-09494 офи_м, № 19-37-90116 Аспиранты, а также Министерства науки и высшего образования РФ в рамках выполнения работ по Государственному заданию ФНИЦ «Кристаллография и фотоника» РАН (соглашение № 007-ГЗ/Ч3363/26).

Литература:
  1. Постановление Правительства РФ от 23.04.2012 № 369 [Электронный ресурс]. – URL: http://base.garant.ru/70167784/ (дата обращения 11.05.2019).
  2. Жаворонков, Ю.М. Судебная дендрохронология / Ю.М. Жаворонков, А.Б. Чхобадзе // Экспертная практика. – 2008. – № 64.
  3. Матвеева, Е.Ю. Залежь как приём восстановления стабильности агроэкосистем / Е.Ю. Матвеева // Аграрный вестник Урала. – 2009. – № 4. – С. 61-63.
  4. Yu, Q. Object-based detailed vegetation classification with airborne high spatial resolution remote sensing imagery / Q. Yu, P. Gong, N. Clinton, G. Biging, M. Kelly, D. Schirokauer // Photogrammetric Engineering & Remote Sensing. – 2006. – Vol. 72, Issue  7. – P. 799-811.
  5. Carleer, A.P. Assessment of very high spatial resolution satellite image segmentations / A.P. Carleer, O. Debeir, E. Wolff // Photogrammetric Engineering & Remote Sensing. – 2005. – Vol. 71, Issue 11. – P. 1285-1294.
  6. Mathieu, R. Mapping private gardens in urban areas using object-oriented techniques and very high-resolution satellite imagery / R. Mathieu, C. Freeman, J. Aryal // Landscape and Urban Planning. – 2007. – Vol. 81, Issue 3. – P. 179-192.
  7. Næsset, E. Estimating tree height and tree crown properties using airborne scanning laser in a boreal nature reserve / E. Næsset, T. Økland // Remote Sensing of Environment. – 2002. – Vol. 79, Issue 1. – P. 105-115.
  8. Варламова А.А. Информационная технология обработки данных ДЗЗ для оценки ареалов растений / А.А. Варламова, А.Ю. Денисова, В.В. Сергеев // Компьютерная оптика. – 2018. – Т. 42, № 5. – C. 864-876. – DOI: 10.18287/2412-6179-2018-42-5-864-876.
  9. ScanEx Image Processor® [Электронный ресурс]. – URL: http://www.scanex.ru/software/obrabotka-izobrazheniy/scanex-image-processor/ (дата обращения: 12.07.2019).
  10. Google Earth [Электронный ресурс]. URL: https://www.google.com/intl/ru/earth/ (дата обращения: 12.07.2019).
  11. Alsabti, K. An efficient k-means clustering algorithm / K. Alsabti, S. Ranka, V. Singh // Electrical Engineering and Computer Science. – 1997. – Vol. 43.
  12. Soifer, V.A. Computer image processing, part II: Methods and algorithms / V.A. Soifer, M.V. Gashnikov, N.I. Glumov, N.Yu. Ilyasova, V.V. Myasnikov, S.B. Popov, V.V. Sergeev, A.G. Khramov, A.V. Chernov, M.A. Chicheva, V.A. Fursov. – Saarbrücken, Germany: VDM Verlag, 2010. – 584 p. – ISBN: 978-3-639-17545-5.
  13. Denisova, A.Y. Tree species classification for clarification of forest inventory data using Sentinel-2 images / A.Y. Denisova, L.M. Kavelenova, E.S. Korchikov, N.V. Prokhorova, D.A. Terentyeva, V.A. Fedoseev // Proceedings of SPIE. – 2019. – Vol. 11174. – 1117408. – DOI: 10.1117/12.2531805.
  14. Zharko, V.O. Forest tree species recognizability assessment based on satellite data on their spectral reflectance seasonal changes / V.O. Zharko, S.A. Bartalev // Current problems in remote sensing of the Earth from space. – 2014. – Vol. 11, Issue 3. – P. 159-170.
  15. Singh, K.K. Shadow detection and removal from remote sensing images using NDI and morphological operators / K.K. Singh, K. Pal, M.J. Nigam // International journal of computer applications. – 2012. – Vol. 42, Issue 10. – P. 37-40.
  16. Hussain, Z.M. Shadow detection and removal in video sequence using color-based method / Z.M. Hussain, A.A. Jebur // Journal of Kerbala University. – 2013. – Vol. 11, Issue 4. – P. 239-257.

 

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20