Исследование возможностей распознавания сельскохозяйственных культур на основе радиолокационных спутниковых данных

Системы дистанционного микроволнового зондирования по сравнению с данными оптического диапазона позволяют получать данные в любое время суток и независимо от метеорологических условий. В настоящее время большой интерес представляет спутник Sentinel-1A, данные которого находятся в открытом доступе (https://scihub.copernicus.eu/dhus/#/home).
В ИКИ РАН проведены эксперименты по распознаванию посевов различных сельскохозяйственных культур с использованием данных Sentinel-1A, полученных  сенсором C-SAR (длина волны 5,6 см) в различной поляризации (ВВ, ВГ) и интерферометрическом режиме (мода IW) с пространственным разрешением 9,8 м.

Процедура предварительной обработки включает в себя калибровку, топографическую нормализацию при помощи ЦМР, фильтрацию спекл-шума адаптивным фильтром Ли.
Исследование возможностей распознавания сельскохозяйственных культур (СХК) выполнено с использованием наземных данных о тестовых полях с посевами кукурузы, подсолнечника, озимых (пшеница, ячмень, рапс), льна, люцерны, кориандра. На рисунке 1 представлены спектрально-временные зависимости СХК. При анализе кривых практически у всех культур обнаруживается резкий скачок удельной эффективной поверхности рассеяния (УЭПР) в первой декаде мая. Это связано с тем, что на ранних стадиях развития растительности в структуре сигнала преобладает однократное обратное рассеяние, и оно в большей степени зависит от таких параметров, как влажность почвы и её шероховатость. Согласно метеоданным 10-11 мая над исследуемой местностью наблюдались ливневые дожди, что нашло отражение в динамике роста. Из-за этой особенности рекомендуется использовать радиолокационные изображения (РЛИ), полученные в период развития и зрелости, когда основную роль играет объёмное рассеяние.

Также следует отметить, что ВВ-поляризация представляет возможности картографирования для большего числа культур, нежели ВГ-поляризация.

Общая точность распознавания СХК составила 83,01 %. Озимая пшеница показала наихудшие результаты, а подсолнечник и озимый рапс – наилучшие. Фрагмент полученной карты представлен на рисунке 2.6.2. 2.

ВВ-поляризация                                                  ВГ-поляризация

  

Рисунок 2.6.2.1 Сезонная динамика УЭПР различных сельскохозяйственных культур при различной поляризации микроволнового излучения

Рисунок 2.6.2.2 - Фрагмент карты СХК по данным Sentinel-1A

Исследованы возможности распознавания подсолнечника – основной масличной культуры России – как по данным РЛИ, так и в сочетании с данными сенсора MSI Sentinel-2. Ввиду многомодального характера гистограммы значений УЭПР, относящихся к незанятым подсолнечником площадям, использовался непараметрический алгоритм - искусственная нейронная сеть (ИНС) с одним скрытым слоем и обратным распространением ошибки.
Классификация проводилась как попиксельно, так и на уровне объектов. Во втором случае на вход ИНС подавались значения УЭПР, усреднённые по цифровой карте границ полей. В качестве исходных данных применялись не только разнополяризованные РЛИ, полученные в различные периоды вегетационного сезона, но и рассчитанные на их основе радиолокационные признаки: РП1 (ВГ/ВВ) и РП2 ((ВВ-ВГ)/(ВВ+ВГ)). Шестой и седьмой каналы (b6, b7) сенсора MSI КА Sentinel-2 использовались при совместной обработке изображений. В Таблице 2.6.1 представлены результаты эксперимента.

Таблица 2.6.1 Результаты распознавания посевов подсолнечника по данным Sentinel-1

     

На основании исследования можно сделать следующие выводы:

• общая точность (ОТ) объектной классификации превышает ОТ пиксельной классификации в среднем на 5 %;
• наилучшая распознаваемость достигнута при использовании летней временной серии изображений ВВ-поляризации и объектной классификации;
• совместная обработка данных Sentinel-1A и Sentinel-2 уменьшает время обучения ИНС, среднеквадратическую ошибку (СКО) обучения сети (с 0,67 до 0,31), однако существенного улучшения распознаваемости при этом не наблюдается;
• использование максимально возможного числа изображений увеличивает время обучения ИНС, однако СКО процесса независимо от признака не превышает 0,05.

При обработке данных за различные годы (2015 и 2016) получены достаточно устойчивые результаты распознавания подсолнечника -  разница ОТ не превышает 3%.

В целом, РЛИ демонстрируют достаточно высокую распознаваемость СХК и представляют собой перспективную область исследований в области дистанционного зондирования сельскохозяйственных земель.