Распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat на примере Московской области

Дистанционное распознавание быстроменяющейся растительности пахотных земель наиболее эффективно при использовании спутниковых систем с высокой повторяемостью съемки. Частые повторные наблюдения позволяют создавать признаки распознавания пашни, основанные на особенностях сезонной или многолетней динамики спектрально-отражательных характеристик сельскохозяйственной растительности (Bartalev, Plotnikov, Loupian, 2016; Waldner F., Canto G., Defourny P., 2015; Плотников Д.Е., Барталев С.А., Лупян Е.А., 2010). Спутниковые системы для мониторинга растительности с высоким пространственным разрешением имеют недостаточную повторяемость съемки, однако безальтернативны при распознавании небольших полей в условиях преимущественно несельскохозяйственных ландшафтов, таких как территория Московской области. Несмотря на относительно малые площади пашни и невысокие валовые сборы в сравнении с национальным уровнем, регион является зоной активных изменений в структуре и интенсивности землепользования, для оценки динамики и последствий которых необходимо ежегодное картографирование используемых пахотных земель.
В рамках настоящей работы для улучшения набора данных высокого пространственного разрешения был использован метод ARES (Плотников Д.Е., Колбудаев П.А., Барталев С.А., 2016), который позволил синтезировать временные серии изображений Landsat необходимой частоты с пространственным разрешением 30 метров в красном, ближнем инфракрасном (ИК) и коротковолновом ИК диапазонах длин волн. Остаточные пропуски в созданных временных сериях были заполнены с помощью скользящей оконной полиномиальной аппроксимации на основе метода LOESS (Плотников Д.Е., Миклашевич Т.С., Барталев С.А., 2014). Полученные временные серии были использованы для расчета спектрально-временных признаков распознавания на весь регион исследования. Для учета изменчивости значений признаков на территории Московской области ввиду заметных различий почвенно-климатических условий и применяемой агротехники выращивания агрокультур был использован программный комплекс локально-адаптивной классификации LAGMA (Bartalev S.A et al., 2014) с классификатором Random Forest. Опорная выборка была извлечена из ежегодно обновляемой карты пахотных земель по данным MODIS на территорию России (Bartalev, Plotnikov, Loupian, 2016) и улучшена путем фильтрации на основе итеративной классификации с обучением. Валидация на уровне пикселей Landsat полученной карты используемых пахотных земель Московской области по состоянию на 2016 год была выполнена на основе наземной информации и спутниковых данных детального пространственного разрешения для нескольких сотен полей. При этом общая точность бинарной классификации пахотных земель составила 83.6%.
Кроме этого, предложенный автоматический подход был апробирован ранее на территории Приморского края, где общая точность бинарной классификации используемой пашни составила 84.4%. В перспективе планируется строить и ежегодно обновлять карты пахотных земель с пространственным разрешением 30 метров без ограничения на размер территории.
Исследования выполнялась с использованием инфраструктуры Центра коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды (Лупян и др., 2015).
Работа выполнена при финансовой поддержке Минобрнауки РФ, контракт 14.616.21.0063, уникальный идентификатор ПНИЭР RFMEFI61615X0063.