4.2.2 Развитие метода и программного комплекса локально-адаптивной классификации спутниковых изображений для решения задач глобального картографирования и мониторинга наземных экосистем

Программный комплекс локально-адаптивной классификации был модифицирован для обеспечения возможности использования данного метода для картографирования видовой структуры растительного покрова России.

Метод основан на анализе особенностей динамики спектрально-отражательных характеристик растительного покрова. Для распознавания отдельных классов растительности используется классификация сезонных временных серий спутниковых изображений методом максимального правдоподобия с обучением. В результате экспериментов, проведенных в 2010-2011 годах, была показана возможность распознавания различных (более 10) видов культурной растительности данным методом с интегральной точностью 87,9-91,2%.

Была также проведена оценка возможностей использования метода для картографирования породного состава лесов на основе данных спутниковых наблюдений MODIS. Для этого был сформирован набор недельных композитных изображений  со значениями коэффициентов спектральной яркости (КСЯ) земной поверхности в красном и ближнем ИК диапазонах спектра, отражающих динамику характеристик растительности в течение вегетационного сезона. Временные ряды значений КСЯ прошли обработку для исключения влияния облачности, шумов и различных геометрических условий наблюдений. Также были построены композитные изображения MODIS за зимний период, информативные с точки зрения картографирования лесной растительности. Полученные таким образом разновременные композитные изображения использовались в качестве признаков для классификации. Обучающая выборка была сформирована на основе карты растительности России TerraNorte RLC и карты лесов СССР с использованием объектно-ориентированного анализа данных MODIS.

Анализ значений трансформированной дивергенции, характеризующей разделимость классов в выбранном пространстве признаков, полученных в результате проведенных экспериментов по использованию предложенного метода распознавания, показал принципиальную возможность картографирования породного состава как хвойных, так и лиственных лесов данным методом. Пример результатов работы метода в сравнении с картой лесов показан на рис. 4.2.2.1.

Рис. 4.2.2.1. Сравнение карты лесов и результатов картографирования породного состава лиственных лесов по данным MODIS

Для учета пространственной вариабельности спектрально-отражательных характеристик растительности при работе на больших территориях метод был интегрирован с технологией локально-адаптивной классификации LAGMA. При этом исходная обучающая выборка не являлась достаточно репрезентативной для классификации всей территории России. В связи с этим в программном комплексе LAGMA была реализована возможность сгущения обучающей выборки на основе итеративного подхода.

Модифицированный программный комплекс позволяет выполнять классификацию  с получением значений правдоподобия Pi,  сравнение которого с заданной пороговой величиной PT позволяет производить отбор пикселов, наиболее пригодных для включения в обучающую выборку. Классификация выполняется итеративно с цикличным пополнением обучающей выборки. При достижении необходимого числа пикселей в обучающей выборке процесс останавливается.

Данный подход позволит построить репрезентативную пространственно распределенную обучающую выборку и провести эксперименты по картографированию породного состава лесов в масштабе всей территории России.