Исследование возможностей распознавания сельскохозяйственных культур по данным MODIS.

Исследования возможностей распознавания культур выполнялись на основе временных серий данных MODIS, полученных в течение вегетационного сезона, и использования метода максимального правдоподобия. При этом были сформированы временные серии композитных изображений коэффициентов спектральной яркости (КСЯ) земной поверхности в красном и ближнем ИК спектральных диапазонах. Для исключения влияния негативных эффектов, связанных с остаточной облачностью и различными геометрическими условиями съемки, была проведена дополнительная обработка полученных временных рядов значений КСЯ. Сформированные таким образом разновременные композитные изображения КСЯ использовались в качестве признаков при классификации.
Исходя из наличия опорных данных, в качестве тестового участка для проверки метода был выбран Ленинск-Кузнецкий район Кемеровской области. Для построения обучающей выборки использовались данные наземного обследования, выполненного агрохимслужбой Кемеровской области, отражающие распределение различных типов растительности по территории выбранного района на 2009 год. С целью получения репрезентативной выборки, было сформировано 15 классов, соответствующих сельскохозяйственным культурам, наиболее полно представленным на территории рассматриваемого района. Для совместного использования с данными спутниковых наблюдений, векторные данные о границах и пространственном расположении полей, принадлежащих каждому классу, были затем преобразованы в растровый формат с разрешением пикселя MODIS.
Для удаления смешанных пикселей, содержащих более одного класса, была проведена процедура геометрической коррекции выборки. Кроме того, для исключения из множества пикселей опорной выборки измерений, не являющихся типичными представителями своих классов, была проведена процедура статистической коррекции выборки. Пиксели, принадлежащие одному классу, в опорной выборке были сгруппированы в объекты, соответствующие полям. При наземном обследовании решение о принадлежности к определенному классу принимается на уровне объекта, поэтому коррекция выборки проводилась также на уровне объектов. Для каждого класса было рассчитано среднее и стандартное отклонение значений каждого признака, полученные с использованием значений всех пикселей этого класса. Кроме того, средние значения признаков были рассчитаны для каждого объекта каждого класса. Критерием исключения объекта из опорной выборки является слишком сильное отклонение среднего значения, соответствующего объекту, от среднего значения по классу для любого из признаков.
На основе скорректированной выборки были получены статистические параметры по каждому классу, необходимые для классификации методом максимального правдоподобия. Было обнаружено, что не разделявшиеся с использованием временных серий вегетационного индекса классы в двумерном пространстве измерений КСЯ  в каналах демонстрируют ряд характерных отличий динамики развития, что позволяет успешно решить задачу распознавания. Примеры фазовых кривых таких классов приведены на рис. 16.8.2.

Рис.16.8.2 Спектрально-временные характеристики некоторых типов сельскохозяйственных культур в пространстве измерений КСЯ в красном и ближнем ИК каналах MODIS

Общая точность классификации, вычисленная на основе обучающей выборки, составила 89,6%, что позволило успешно применить разработанный алгоритм для распознавания культур в масштабах области. Пространственное расширение обучающей выборки и использование локально-адаптивного подхода в дальнейшем позволят проводить распознавание культур данным методом на больших территориях.