Дистанционное зондирование Земли обеспечивает регулярное получение большого объема информации о состоянии сельскохозяйственной растительности в масштабах всей страны. Данные ДЗЗ позволяют определять площади и положение полей, засеянных разными культурами, оценивать их состояния по ходу вегетационного сезона и использоваться для прогнозирования урожайности. Но все эти оценки требуют наличия некоторых опорных данных о сельскохозяйственной растительности, обладающих достаточной степенью достоверности и репрезентативности. В данной работе предложен метод автоматической обработки большого объема опорных данных со значительным уровнем погрешностей, и построения по ним эталонов сельскохозяйственных культур. Опорные данные о положении сельскохозяйственных полей и культурах на этих полях были получены из базы данных ЕФИС ЗСН.
Для определения достоверности опорных данных о культурах на их основе строятся локальные эталоны временной динамики NDVI. Эталон одной культуры оценивается на уровне административного района по всем полям, засеянным данной культурой. Для всех полей с помощью ЦКП «ИКИ-Мониторинг» (Лупян и др., 2015) был получен восстановленный ряд вегетационного индекса NDVI по данным MODIS (Плотников и др. 2014). Кластеризация временных рядов индекса позволяет выявить типичные для района варианты его динамики, часть из которых связана с погрешностью опорных данных и характеризует другие культуры. В работе считается, что самый большой из полученных кластеров соответствует динамике целевой культуры, и на его основе можно построить ее эталон. Принимается, что эталон задан многомерным нормальным распределением, каждое измерение которого характеризует значение NDVI в определенный момент времени.
Анализ данных показал, что в отдельных районах недостоверной информации больше, чем достоверной, что приводит к необходимости дополнительного сравнения эталонов между районами. Попарное сравнение всех эталонов одной культуры в одном регионе позволяет выделить значительно отличающиеся эталоны, предположительно описывающие другие культуры. Для таких районов эталоны пересчитываются с добавлением наземной информации из соседних районов. Дополнительно, на основе оценки пересечения нормальных распределений эталонов оценивается уровень ошибок первого и второго рода при отнесении поля к эталону и делается вывод о различимости и неразличимости эталонов разных культур одного района.
Полученные эталоны позволяют провести верификацию опорных данных о культурах на сельскохозяйственных полях. Временной ряд NDVI каждого поля сравнивается с эталонами всех культур с помощью расстояния Махаланобиса. Если культура ближайшего эталона совпадает с культурой поля, то принимается решение о достоверности опорных данных и поле проходит верификацию. Дополнительно, для исключения выбросов вводится лимит на максимальное расстояние Махаланобиса, выбранный таким образом, чтобы 99% элементов нормального распределения попадало в его границы. Прошедшие верификацию поля в дальнейшем могут использоваться для оценки и прогнозирования состояния сельскохозяйственных культур.
Работа выполнялась с использованием ресурсов ЦКП "ИКИ-Мониторинг" (Лупян и др., 2015)

Ссылка на видеотрансляцию доклада - https://youtu.be/uOxeDQthM2E