В рамках Российско-Индийского проекта, направленного на разработку методов спутникового мониторинга посевов сахарного тростника в Южной Индии, были проведены исследования возможностей распознавания плантаций сахарного тростника на основе оптических данных высокого пространственного разрешения. Исследования проводились на территории округов Багалкот и Белгаум штата Карнатака на юго-западе Индии, где расположены фермерские и опытные поля Института прикладных сельскохозяйственных исследований (KIAAR).
Для разработки методов дистанционного выявления посевов сахарного тростника за 2019-2020 гг. был собран значительный объем наземной информации об основных сельскохозяйственных культурах, расположенных на территории региона исследования. Наземные данные позволили провести анализ спектральных характеристик культур во взаимосвязи с их фенологическими фазами, а также сформировать обучающие и валидационные выборки для проведения классификации спутниковых изображений. Анализ спектрально-временных профилей сахарного тростника и других основных культур на территории исследования показал их потенциальную разделимость.
Разработанные в рамках проекта алгоритмы восстановления временных рядов оптических данных Sentinel-2 А,В (Плотников и др., 2020) позволили провести анализ временных рядов вегетационного индекса NDVI и получить ежедневные безоблачные изображения на 2019-2020 гг. Для классификации были отобраны изображения на каждый месяц безмусонного периода в 2019 году.
Для решения задачи распознавания сахарного тростника предложен автоматический метод классификации с обучением на основе непараметрического классификатора Random Forest и использования архивных наземных данных. При обучении классификатора спектральная информация о КСЯ пикселей в каналах GREEN, RED, NIR прибора MSI на текущий временной срез использовалась совместно со значениями NDVI для каждого пиксела, а также с информацией о календарной дате среза и обучающей выборкой, актуализированной только для текущего среза. Построенные в результате обучения случайные леса агрегировались для всех срезов, формируя общий классификатор, который впоследствии применялся к произвольной целевой дате. Таким образом, обучение классификатора проводится по всем имеющимся датам, кроме целевой. Предлагаемый метод позволяет проводить автоматическое ежемесячное картографирование плантаций сахарного тростника возрастом старше трех месяцев в регионе исследования без привлечения обновляемой обучающей информации.
В результате были получены ежемесячные карты размещения плантаций сахарного тростника на территорию региона исследования, общая точность которых достигает 90% (F-score до 93%). Региональные карты размещения сахарного тростника опубликованы и доступны в интерфейсе сервиса Vega-Geoglam.
Исследование проводилось при финансовой поддержке РФФИ, грант Проект № 18-55-45023 ИНД_а "Разработка методов спутникового мониторинга сезонного развития посевов сахарного тростника в Южной Индии в целях контроля их водообеспечения и азотного питания" с использованием ресурсов ЦКП "ИКИ-Мониторинг" (Лупян и др, 2015).