Выделение пахотных земель на основе анализа устойчивых особенностей внутрисезонной динамики наземного покрова в различные годы

Формируемые по спутниковым данным карты пахотных земель являются продуктом, востребованным при решении различных задач: оценка площадей используемых и неиспользуемых земель, мониторинг ввода земель в оборот и их забрасывания и др. Традиционно такие карты создаются экспертом посредством векторизации объектов, идентифицируемых при визуальном дешифрировании спутниковых снимков, или с использованием различных автоматизированных методов, например, классификации изображений. В последние годы в ИКИ РАН проводятся работы по развитию методов картографирования пахотных земель с использованием алгебры изображений. В настоящем разделе приведены основные результаты этих работ.

Выделение обрабатываемых пахотных земель с помощью алгебры изображений осуществляется исходя из предположения, что для них характерна резкая смена значений вегетационного индекса NDVI (Normalized Difference Vegetation Index, нормализованный разностный вегетационный индекс) в течение одного или нескольких вегетационных периодов, в то время как другим типам объектов свойственен другой характер изменения индекса с течением времени (например, для антропогенных объектов и объектов гидрографии характерны постоянно низкие значения индекса, а для естественной растительности, напротив, — постоянно высокие). Для учёта этих условий при обработке временного ряда спутниковых данных предложена формула следующего вида:
if(min(A,B,C,…)>(порогNDVI_1),2,if(max(A,B,C,…)<(порогNDVI_2), 1, 3)),
где:

• A, B, C, … — изображения NDVI за вегетационный период, которые могут быть представлены как безоблачными сценами спутниковых данных, полученными разными спутниковыми приборами, так и композитными изображениями, полученными с различной периодичностью (ежедневными, ежемесячными и т.д.);
• порогNDVI_1 и порогNDVI_2 — подбираемые экспертом пороговые значения NDVI, свойственные выделяемым классам в зависимости от анализируемой территории и используемых спутниковых данных;
• 1, 2 и 3 — классы, к которым по результатам обработки будет отнесен тот или иной пиксель. К первому классу при этом относятся пиксели с постоянно низкими значениями NDVI, ниже «порогNDVI_2» (преимущественно объекты гидрографии и антропогенные объекты), ко второму — пиксели с постоянно высокими значениями индекса, выше «порогNDVI_1» (преимущественно естественная растительность), к третьему — остальные пиксели отобранных изображений, NDVI которых как опускается ниже «порогNDVI_1», так и поднимается выше «порогNDVI_2» (преимущественно используемая пашня, на которой в анализируемый период наблюдались признаки распашки и вегетации сельскохозяйственных культур).
   

Пример расчётов, выполненных в среде «Вега-Science» с использованием приведенной выше формулы, приведен на рисунке 1.

 
 


Рисунок 1 — Вверху — многовременное цветосинтезированное изображение NDVI по данным Sentinel-2 (R — сезонный композит за 2021 г., G — за 2022 г., B — за 2023 г.), внизу — результат расчёта на основе трехлетней серии ежедневных композитов NDVI по данным Sentinel-2 трехклассовой карты типов поверхности с использованием алгебры изображений

Для потоковой обработки на основе предложенного подхода большой временнóй серии спутниковых изображений реализован алгоритм на языке Python с использованием модуля gdal. Обработка происходит в несколько этапов:

• все данные приводятся к одной проекции и одному пространственному разрешению, ограничиваются одной областью интереса (bbox);
   
• в каждом пикселе собирается временной ряд данных, фильтруются пиксели без значения (nodata);
   
• осуществляется непосредственно отнесение пикселя к тому или иному классу в соответствии с заданными порогами.
   

С использованием реализованного алгоритма выполнена серия экспериментов по созданию карт пахотных земель за период 2021–2023 гг. в различных субъектах Российской Федерации. В качестве исходных спутниковых данных использовались ежемесячные композиты Sentinel-2. Ниже приведены результаты оценки достоверности одной из таких карт, сформированных на территорию Городовиковского района Республики Калмыкия.

Оценка достоверности карты проводилась экспертом по регулярной сетке (рисунок 2). Корректность отнесения той или иной точки карты к классу «используемая пашня» или «не пашня» оценивалась путём визуального дешифрирования разновременных спутниковых изображений Sentinel-2. Из 1094 проанализированных точек ошибка выявлена в 16 случаях, таким образом, общая достоверность карты составила 98,5 %.

    
Рисунок 2 — Слева — карта пахотных земель Городовиковского района Республики Калмыкия, полученная с использованием алгебры изображений на основе трехлетней (2021–2023) серии ежемесячных композитов NDVI по данным Sentinel-2, справа — регулярная сетка, использованная для оценки достоверности карты (зеленые точки — пашня по маске и по результатам экспертной оценки, синие — не пашня по маске и по результатам экспертной оценки, желтые — выявленные ошибки)