Доклад посвящен обсуждению задачи проведения дистанционного мониторинга сельскохозяйственных угодий с целью установления границ участков зарастания древесно-кустарниковой растительностью. Решение этой задачи дает возможность осуществлять формирование актуальной пространственной и атрибутивной информации, которая может быть применена для последующего принятия управленческих решений, направленных на эффективное использование сельскохозяйственных земель.
При автоматизированном выявлении зарастания залежных земель древесно-кустарниковой растительностью по космическим снимкам актуален поиск новых решений, направленных на сокращение вычислительных и временных ресурсов при автоматизированном дешифрировании многоспектральных снимков. Другим направлением развития указанных методов является повышение достоверности получаемых данных. В предложенном подходе решаются оба указанных вопроса.
В докладе представлены результаты разработанной автоматизированной методики определения контуров зарастания залежных земель по разновременным многоспектральным космическим снимкам высокого пространственного разрешения на местности (QuikBird, GeoEye и WorldView и др.) на основе текстурных признаков. Методика представляет собой преобразование разновременных космических изображений на определенные уровни вейвлет-разложения. Далее на основе анализа пространственного распределения вейвлет-коэффициентов с учетом пространственной неоднородности текстуры изображений определяются границы участков зарастания древесно-кустарниковой растительностью участков залежных земель. В результате локализованы участки зарастания залежи древесно-кустарниковой растительностью, что позволяет далее выполнять оценку степени зарастания.
Применение разработанной методики позволяет выполнять оперативный дистанционный мониторинг использования сельскохозяйственных угодий по космическим снимкам без привлечения дополнительных картографических данных, а также вносить актуальную информацию в базы данных информационных систем (контуры, площадь, год последнего использования в обороте и некоторые характеристики сельскохозяйственных угодий).
Разработанный подход позволяет повысить достоверность результатов автоматизированного дешифрирования в отличие от методик, использующих автоматизированные алгоритмы классификации, основанные только на спектральных яркостях изображений объектов на снимке в качестве дешифровочного признака.