Диагностика ландшафтов провинции Эль-Дивания (Ирак) по мультиспектральным снимкам Landsat-8
Аннотация
Дистанционные методы мониторинга и прогноза урожайности сельскохозяйственных культур широко используются во всем мире. Однако такие методы не являются универсальными и требуют апробации в каждом ландшафтном регионе. В работе исследуется подходы к использованию мультиспектральных снимков спутника Landsat-8 для классификации ландшафтов провинции Эль-Дивания – одного из главных центров орошаемого земледелия Ирака. Исходными данными для классификации послужили сходные по радиометрическим характеристикам снимки, сделанные в период максимальной вегетации зерновых культур (март 2014, 2015 и 2016 года). Такой подбор снимков предполагал уверенное выделение агроландшафтов на основе вегетационного индекса NDVI (Normalized Difference Vegetation Index). Исследование отклика распределений NDVI на изменения площади зерновых культур и на сезонные осадки позволило обосновать пороговые значения индекса для ландшафтов провинции. В том числе выделены четыре типа ландшафтов: ландшафты со здоровой, умеренно разряженной растительностью (NDVI > 0,34); ландшафты с угнетенной или сильно разряженной растительностью (0,34 ≥ NDVI > 0,19 ); ландшафты без растительности (0,19 ≥ NDVI > –0,1) и водные ландшафты (NDVI ≥ –0,1). Сравнение типов автоматически классифицированных и визуально дешифрованных ландшафтов, формализованное в матрицу ошибок, показывает, что общая точность, F-мера и другие метрики качества классификации близки к 90 %.
Ключевые слова
Полный текст:
PDFЛитература
Kleshchenko A.D., Savitskaya O.V. Assessment of Spatio-temporal Distribution of Grain Yields and Standardized Precipitation Index by Satellite and Ground-Based Information. Trudy GGO [Proceedings of Voeikov Geophysical Observatory]. 2014. no. 571. pp. 147–161 (in Russian)
Galakhova Yu.E., Menzhulin G.V. Experience of Yield Statistical Predictive Modeling Based on Satellite Information. Trudy GGO [Proceedings of Voeikov Geophysical Observatory]. 2015. no. 578. pp. 101–125. (in Russian)
Loupian E.A., Bartalev S.A., Krasheninnikova Yu.S. Observing an Abnormally Early Development of Crops in the Southern Regions of Russia in Spring 2016 Using Remote Monitoring Data. Sovremennyye problemy distantsionnogo zondirovaniya Zemli iz kosmosa [Current Problems in Remote Sensing of the Earth from Space]. 2016. vol. 13, no. 2. pp. 240–243 (in Russian) DOI: 10.21046/2070-7401-2016-13-2-240-243
Savin I.Yu., Zhang Х., Shishkonakova E.A. et.al. Map of Winter Crops of the Season 2017 Placed on the Service VEGA: Results of Selective Quality Control. Sovremennyye problemy distantsionnogo zondirovaniya Zemli iz kosmosa [Current Problems in Remote Sensing of the Earth from Space]. 2017. vol. 14, no. 4. pp. 125–131 (in Russian) DOI: 10.21046/2070-7401-2017-14-4-125-131
Muhaimeed A.S., Al-Hedny S.M. Evaluation of Long-Term Vegetation Trends for Northeastern of Iraq: Mosul, Kirkuk and Salah al-Din. IOSR Journal of Agriculture and Veterinary Science (IOSR-JAVS). 2013. vol. 5, no. 2. pp. 67–76
Muhsin I.J. Change Detection of Remotely Sensed Image Using NDVI Subtractive and Classification Methods. Iraqi Journal of Physics. 2016. vol. 14, no 29. pp. 125–137
Agriculture forestry and fishing. https://www.britannica.com/place/Iraq/Agricultureforestry-and-fishing (accessed: 17.03.2018)
Landsat 8 (L8) Data Users Handbook Version 2.0 March 29, 2016. Department of the Interior U.S. Geological Survey EROS Sioux Falls, South Dakot, LSDS-1574 Version 2.0, 98 p. Available at https://landsat.usgs.gov/landsat-8-data-users-handbook (accessed:
02.2018)
Barsi J.A., Lee K., Kvaran G., et al. The Spectral Response of the Landsat-8 Operational Land Imager. Remote Sens. 2014, no. 6. pp. 10232–10251. DOI: 10.3390/rs61010232
Campbell J.B., Wynne R.H. Introduction to remote sensing. The Guilford Press. New York. 5th ed., 2011. 718 p.
Abineh Tilahun, Bogale Teferie. Accuracy Assessment of Land Use Land Cover Classification using Google Earth. American J. of Environmental Protection. 2015. vol. 4, no. 4. pp. 193–198. DOI: 10.11648/j.ajep.20150404.14
Congalton R.G. A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment. July 1991, vol. 37, no. 1. pp. 35–46, DOI: 10.1016/0034-4257(91)90048-b
Yadav K., Congalton R.G. Issues with Large Area Thematic Accuracy Assessment for Mapping Cropland Extent: A Tale of Three Continents. Remote Sens. 2018. vol. 10, no. 1. pp. 1–27. DOI: 10.3390/rs10010053
Huntington J.L. Hegewisch K.C., Daudert B., et al. CLIMATE ENGINE: Cloud Computing and Visualization of Climate and Remote Sensing Data for Advanced Natural Resource Monitoring and Process Understanding. Bulletin Am. Met Soc. Nov. 2017. vol. 98, no. 11. pp. 2397–2410. DOI: 10.1175/BAMS-D-15-00324.1
DOI: http://dx.doi.org/10.14529/cmse180301