Формирование и анализ многолетних рядов характеристик наземных компонент биосферы для исследования глобальных изменений, решения задач рационального природопользования и устойчивого развития

В ИКИ РАН ранее был разработан метод ежегодного выявления озимых культур в весенне-летний период вегетации на основе временных серий спутниковых данных MODIS. Метод позволяет осуществлять независимое построение репрезентативной обучающей выборки на большие территории по классам «озимые», «яровые» и «чистый пар» на любой момент времени весенне-летнего сезона вегетации. Концепция метода предусматривает последовательное обновление и уточнение в оперативном режиме карт посевов озимых культур в весенне-летний период по мере их развития и появления новых свободных от влияния мешающих факторов спутниковых данных MODIS.

Указанный метод использует принцип автоматической пространственной экспансии обучающей выборки для её итеративного распространения от места инициализации на всю территорию устойчивого выращивания озимых. На каждой итерации происходит восстановление местного эталона фазовых характеристик описывающего локальные спектрально-динамические характеристики каждого из классов. Затем в ближайшей окрестности ведётся поиск и выявление находящихся на используемых пахотных землях объектов соответствующего класса с похожими на локальный эталон фазовыми характеристиками. Схожесть фазовых характеристик оценивается с точки зрения величины коррелированности динамики временных серий дистанционных характеристик объектов, а также спектрально-динамического расстояния между ними. В свою очередь, выявленные объекты участвуют в формировании новых локальных эталонов, в том числе, расположенных на некотором расстоянии от эталонов предыдущей итерации. Итерации повторяются до тех пор, пока класс озимых является достаточно локально представленным. В частности, распространение выборки прекращается, если на текущей итерации становится невозможно найти новые репрезентативные эталоны, например, ввиду достижения границ зоны устойчивого выращивания озимых культур. Таким образом, основанный на принципе экспансии алгоритм позволяет создать актуальную опорную выборку по указанным классам на протяжённый пространственно-связанный регион континентального масштаба, – например, европейскую часть РФ и ряд восточноевропейских стран. На последнем этапе происходит распознавание озимых культур на основе созданной ранее опорной выборки, спектрально-динамических метрик и локально-адаптивной классификации методом Random Forest, реализованным в программном пакете LAGMA.

Сотрудничество ИКИ РАН с ФБГУН «НИИСХ Крыма» позволило собрать актуальную информацию о размещении полей с озимыми культурами в 2019 году, а также статистические данные о посевных площадях озимых на уровне районов (Красногвардейского и Белогорского). Благодаря этому оказалось возможным провести региональную валидацию получаемой методом экспансии обучающей выборки и карт озимых, выявить недостатки автоматического алгоритма и усовершенствовать его.

В частности, используя собранную информацию, было обнаружено, что в ряде случаев созревание озимых и ранних яровых может происходить практически одновременно, что приводит к сильной схожести временных серий вегетационного индекса для этих классов вскоре после достижения максимума зелёной биомассы (рисунок 2.4.1). Ввиду этого карты озимых, полученных по состоянию после момента уборки, могли уступать по точности более ранним оценкам из-за усиления перепутывания между классами озимых и ранних яровых. Для устранения этого недостатка алгоритм был модифицирован так, чтобы не учитывать фенологию классов при расчёте метрик схожести для дат после начала существенного снижения вегетационного индекса.

Рисунок 2.4.1 — Временные серии ежедневных восстановленных методом LOWESS значений NDVI некоторых озимых и яровых культур на соседних полях Красногвардейского района Крыма по данным прибора MODIS

Также был доработан этап автоматической инициализации выборки, результаты которого используется для начала экспансии. Выборка инициализируется на основе сегментации временной серии изображений перпендикулярного вегетационного индекса PVI и последующей кластеризации сегментов на основе гистограммного анализа на территорию гарантированного выращивания озимых (Краснодарский край, Ставропольский край, Ростовская область) в ранневесенний и весенний период, соответствующий интервалу дат с середины февраля до середины мая. Ранее автоматический анализ изображений в этом регионе происходил начиная с более ранних дат и заканчивая более поздними, прекращаясь после того как была достигнута необходимая репрезентативность выборки. Это приводило к тому, что выборка теряла актуальность, поскольку хронологически тяготела к более ранним датам, когда разделимость между классами не оптимальна, а недружные всходы озимых после зимнего периода могли быть причиной ошибочного отнесения ещё не развитых посевов к классу яровых или паров. В новой версии на этапе инициализации приоритет отдаётся более поздним или наиболее актуальным датам, а перед маркировкой кластера проводится анализ стабильности его предполагаемого класса на основе анализа разновременных изображений.

Для независимой валидации результатов картографирования озимых культур на территории двух районов Крыма, полученной автоматически обновлённым методом на основе спутниковых данных MODIS, была исключена неопределённость, вносимая использованием карты пахотных земель среднего (230 м) пространственного разрешения. Вместо карты пахотных земель среднего пространственного разрешения был использован векторный слой границ всех используемых полей Белогорского и Красногвардейского районов Крыма, созданный в ФГБУН «НИИСХ Крыма». Далее, результат автоматической классификации всей территории на три класса (озимые, яровые, чистые пары) бинаризовался до легенды «озимые/остальные» и фильтровался через векторные границы полей. Валидационная выборка была также бинаризована до двух целевых классов. Таким образом, в результате сопоставления карты озимых с валидационным эталоном были получены оценки общей точности классификации и точности пользователя и производителя (таблица 2.4.1).

Таблица 2.4.1 — Матрица ошибок и оценки точности для исходного (курсивом) и модифицированного метода распознавания озимых по данным MODIS на территорию региона исследования

Классы (источники)	Озимые (класс)	Остальное (класс)	PA
Озимые (назем)	146 248 / 141 406	35 310 / 40 152	0,806 / 0,779
Остальное (назем)	17 081 / 20 259	173 265 / 170 087
UA	0,895 / 0,875		0,859 / 0,838

П р и м е ч а н и е: PA — Producer accuracy (точность производителя), UA — User accuracy (точность пользователя), курсивом показаны результаты, полученные при помощи ранней версии метода распознавания, общая точность приведена в правом нижнем углу таблицы.

Сопоставление полученной опорной информации с картой озимых культур полученной по состоянию на 26 июня 2019 года позволило получить картину пространственного распределения ошибок распознавания (рисунок 2.4.2), а также рассчитать матрицу ошибок классификации с пространственным разрешением MODIS.

Рисунок 2.4.2 — Сопоставление карты озимых культур (зелёный цвет) с валидационными полями класса озимые (красный) и остальные классы (синий) (слева); пространственное распределение ошибок распознавания озимых (справа)

Несмотря на то, что районы заметно контрастируют с точки зрения агроклиматических и физико-географических условий произрастания озимых, соотношение ошибок распознавания между регионами практически не отличается при использовании точных границ сельскохозяйственных полей. По сравнению с картой озимых полученной предыдущей версией метода на тот же самый момент времени, можно отметить более высокие значения общей точности, а также точности пользователя и производителя (см. таблицу 2.4.1), что указывает на эффективность проведённых изменений.