сверхбольшие архивы спутниковых данных и возможности их распределенного анализа

назад

Автоматическое дешифрирование природных объектов по материалам дистанционного зондирования Земли

Головастова Е. С., Дунаева Е. А., Мельничук А. Ю.

// Материалы IV межрегиональной с международным участием научно-практической конференции «Тенденции, направления и перспективы развития экономических отношений в современных условиях хозяйствования»: сборник трудов. – Симферополь: Издательство Диайпи, 2019. С.24-27.

ISBN: 978-5-6042492-1-5

Целью исследования является идентификация объектов природной среды на территории Белогорского района Республики Крым методом автоматической классификации с обучением на основе данных ДЗЗ. Поставленная цель реализована с помощью географической информационной системы (ГИС) с открытым исходным кодом Quantum GIS v. 2.18.23.
В качестве исходных данных для классификации использовался снимок с космического аппарата Sentinel-2а за 12 мая 2018 г., покрывающий территорию Белогорского района Республики Крым. Данный снимок был загружен из сервиса оперативного спутникового мониторинга ВЕГА-Science.
На первоначальном этапе исследования определены классы объектов, которые предполагается выделять по снимкам, такие как земли сельскохозяйственного назначения, водные объекты, лесные насаждения. Алгоритм контролируемой классификации предусматривает создание обучающих выборок, так называемых эталонных полигонов для каждого класса объектов. Эталонные участки выделены путем цифрования границ однородных по яркости фрагментов изображения, типичных для определенного класса по значениям яркости и расположению. Эти участки оцифровывались по возможности небольшими, чтобы избежать рост вероятности нежелательных вариаций. Создание таких полигонов предусматривало также включение только тех пикселов, которые соответствуют определенному классу объектов.
Выводы. Таким образом проведена предварительная классификация космического снимка Sentinel-2а с целью идентификации природных объектов, которая показала, что данная процедура может быть применима для распознавания таких классов объектов. Однако, следует отметить, что класс земель сельскохозяйственного назначения идентифицирован с ошибками. Это связано с тем, что для более точной классификации требуется выделение дополнительных подклассов и большего числа эталонных участков. В дальнейших исследованиях планируется выполнение классификации с учетом установленных недостатков.

Ссылка на текст: https://elibrary.ru/item.asp?id=39179665
  • Научно-исследовательский институт сельского хозяйства Крыма, Симферополь
  • Крымский федеральный университет им. В.И. Вернадского, Симферополь
назад