Диагностика ландшафтов провинции Эль-Дивания (Ирак) по мультиспектральным снимкам landsat-8
Автор: Халил Зена Хуссейн, Абдуллаев Санжар Муталович
Рубрика: Геоинформатика
Статья в выпуске: 3 т.7, 2018 года.
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 %.
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 | УДК: 004, | DOI: 10.14529/cmse180301
Diagnosis of landscapes of the province of Al-Diwaniyah (Iraq) by using of landsat-8 multispectral images
Remote sensing monitoring and prediction of crop yields are widely used throughout the world. However, such techniques are not universal and require testing in each landscape region. This paper deals with approaches to using multispectral satellite images to classify landscapes of Al-Diwaniyah, one of the main centers of irrigated agriculture in Iraq. As a data source for the classification, we choose of Landsat-8 images received in March 2014, 2015 and 2016 with similar radiation characteristics. Snapshot dates coincided with the period of crops maximum vegetation, allowing a certain allocation of agricultural land based on Normalized Difference Vegetation Index (NDVI). The analysis of NDVI distributions demonstrate their sensitivity to changes of cereal crops areas and seasonal precipitation sum, that allow us to establish four types of regional landscapes based on NDVI thresholds: landscapes with health vegetation with moderate-to-high projective cover (NDVI > 0,34); landscapes with stressed or low projective cover vegetation (0,19
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
