Диагностика ландшафтов провинции Эль-Дивания (Ирак) по мультиспектральным снимкам landsat-8

Бесплатный доступ

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 %.

Еще

Дистанционное зондирование агроландшафтов, эль-дивания, обработка снимков landsat-8, фенология зерновых культур, автоматическая классификация растительного покрова, оценка точности классификации

Короткий адрес: https://sciup.org/147233178

IDR: 147233178   |   DOI: 10.14529/cmse180301

Список литературы Диагностика ландшафтов провинции Эль-Дивания (Ирак) по мультиспектральным снимкам landsat-8

  • Клещенко А.Д., Савицкая О.В. Оценка пространственно-временного распределения урожайности зерновых культур и стандартизированного индекса осадков по спутниковой и наземной информации // Труды ГГО. 2014. № 571. C. 147-161.
  • Галахова Ю.Е., Менжулин Г.В. Опыт построения статистических прогностических моделей урожайности различной заблаговременности, базирующихся на спутниковой // Труды ГГО. 2015. № 578. С. 101-125.
  • Лупян E.A., Барталев С.А., Крашенинникова Ю.С. Наблюдение аномально раннего развития сельскохозяйственных культур в южных регионах России весной 2016 года на основе данных дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13, № 2. С. 240-243. DOI: 10.21046/2070-7401-2016-13-2-240-243
  • Савин И.Ю., Джан C., Шишконакова Е.А. и др. Карта озимых культур сезона 2017 года, размещенная на сервисе ВЕГА: результаты выборочной проверки качества // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14, № 4. С. 125-131. DOI: 10.21046/2070-7401-2017-14-4-125-131
  • Muhaimeed A.S., Al-Hedny Suhad 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. URL: https://www.britannica.com/place/Iraq/Agriculture-forestry-and-fishing (дата обращения: 17.03.18)
  • Landsat 8 (L8) Data Users Handbook Version 2.0 March 29, 2016 // Department of the Interior U.S. Geological Survey EROS Sioux Falls, South Dakota, 98 p. URL: https://landsat.usgs.gov/landsat-8-data-users-handbook (дата обращения: 13.02.18)
  • 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. 2017. Vol. 98, No. 11. PP. 2397-2410.
  • DOI: 10.1175/BAMS-D-15-00324.1
Еще
Статья научная