Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Девятая всероссийская открытая ежегодная конференция
«Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 14-18 ноября 2011 г.
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

IX.F.456

Анализ результатов автоматической классификации земного покрова России по выборочным данным Landsat-TM/ETM+ в рамках Программы ФАО ООН по глобальной оценке лесных ресурсов

Ховратович Т.С., Барталев С.А., Герранд А., Кузьменко Н.В., Панова О.Ю.,
Стыценко Ф.В.
ИКИ РАН
Дистанционная оценка изменений лесов в рамках Программы ФАО ООН по глобальной оценке лесных ресурсов 2005 года основана на использовании глобальной сети регулярно расположенных тестовых участков. Для каждого тестового участка размером 10х10 км из архива спутниковых данных Landsat (30 м), выбираются три изображения, полученные около 1990, 2000 и 2005 годов. Фрагмент каждого изображения, покрывающий тестовый участок, автоматически классифицируется с выделением четырех базовых классов: леса, смесь лесов с другими типами земного покрова, кустарники и другие типы земного покрова, водные объекты. Вследствие различий фенологического состояния растительности, условий спутниковой съемки и несовершенства алгоритма автоматического распознавания результаты классификации спутниковых изображений могут содержать ошибки и нуждаются в дополнительной проверке. Проводимая региональными экспертами валидация и коррекция результатов классификации спутниковых изображений для территории была выполнена Институтом космических исследований РАН совместно с ФАО ООН.
В рамках данной работы была предложена и реализована статистически обоснованная стратегия формирования выборки из 300 тестовых участков и для них выполнен анализ результатов автоматической классификации земного покрова. Интегральная точность автоматической классификации составила примерно 67% (каппа Коэна - 0.45). По результатам проведенного анализа выработаны рекомендаций по улучшению качества автоматической классификации тестовых участков на территории России.

Дистанционное зондирование растительных и почвенных покровов

386