Сборник тезисов докладов шестнадцатой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", Москва, ИКИ РАН, 2018 год

(http://smiswww.iki.rssi.ru/d33_conf)

Сравнение разных источников обучающей информации для регионального картографирования пашни в различных регионах мира

Плотников Д.Е. (1), de Abelleyra D. (2), Veron S. (2), Zhang M. (3), Толпин В.А. (1), Ёлкина Е.С. (1), Самофал Е.В. (1), Барталев С.А. (1), Lavreniuk M. (4), Waldner F. (5), Ziad A. (6)
(1) Институт космических исследований РАН, Москва, Россия
(2) Instituto Nacional de Tecnología Agropecuaria (INTA), Буэнос-Айрес, Аргентина
(3) Institute of Remote Sensing and Digital Earth (RADI), Пекин, Китай
(4) Space Research Institute NAS, Киев, Украина
(5) Université catholique de Louvain (UCL), Лувен, Бельгия
(6) Agriculture and Agri-Food Canada (AAFC), Оттава, Канада
Точная и актуальная опорная информация является ключевым условием для точного распознавания используемой пашни на основе спутниковых данных (Matton et al. 2015, Bartalev et al. 2016,Плотников и др., 2018а). Международная сеть JECAM (Joint Experiment for Crop Assessment and Monitoring, jecam.org) использует единые стандарты для сбора и обмена наземной научной информацией и охватывает более трёх десятков участков в различных регионах мира, поддерживая научные исследования и разработки в области дистанционного мониторинга сельскохозяйственной растительности (Waldner et al., 2016). В частности, на базе участков JECAM в Аргентине, Бельгии, Канаде, Китае, России и Украине в настоящее время проводится эксперимент по сравнению эффективности различных источников опорной информации для распознавания используемых пахотных земель: 1) данных, собранных путём наземных обследований (in situ), 2) извлеченных из карт растительного покрова, 3) полученных методами интерпретации спутниковых снимков экспертами в области дистанционного зондирования (краудсорсинг). Несмотря на то, что данные наземных обследований являются наиболее детальными, актуальными и часто используются как эталон точности, их сбор является дорогостоящим, времязатратным и неосуществим в глобальном масштабе пространственного охвата. В настоящем эксперименте альтернативой in situ являлись данные, извлеченные из публично доступной карты растительного покрова GlobeLand30 с пространственным разрешением 30 метров (Chen et al., 2015), а также данные краудсорсинга. Данные краудсорсинга были получены с помощью платформы Vega-Geoglam (Толпин и др., 2015) путем визуальной интерпретации временной серии снимков высокого пространственного разрешения Landsat-7,8 и Sentinel-2 десятью участниками-экспертами из вышеперечисленных стран, которые пользовались определением JECAM для дистанционного определения класса объектов. Целевой сезон вегетации был одинаков для всех участков: 2016 год в северном полушарии и 2015-2016 годы в южном полушарии (Аргентина). Целью исследования является, в том числе, оценка возможности картографирования используемой пашни в этих регионах мира на субнациональном уровне пространственного охвата (размеры территории 300 на 500 километров) на основе спутниковых данных Landsat.
Данные краудсорсинга собирались в два этапа: 1)калибровка участников и 2)создание ими большого количества объектов обучающей выборки на основе подготовленной случайной стратификации и объектного подхода (Плотников и др, 2018б) для последующей классификации. На первом этапе точность участников оценивалась с помощью in situ данных, собранных со сравнительно небольшой территории (несколько десятков километров). Второй этап предусматривал создание участниками опорной информации на субнациональном уровне пространственного охвата, а для оценки качества полученного набора осуществлялся анализ контрольных точек, прошедших через многократную интерпретацию всеми участниками. Предварительные результаты указывают на высокий уровень согласованности между экспертами-участниками при определении класса пашни, а также доминирование “фактора участка” над “фактором эксперта”. Заключительным этапом эксперимента является создание учитывающих местные особенности региональных карт пахотных земель на основе спутниковых данных Landsat и исследуемых источников опорной информации, а также их валидация.
Работа была выполнена с использованием ресурсов ЦКП "ИКИ-Мониторинг" для решения задач изучения и мониторинга окружающей среды (Лупян и др., 2015).

Ссылка на видеотрансляцию доклада - https://youtu.be/1a8h8CE_wec

Ключевые слова: дистанционное зондирование, пахотные земли, JECAM, Landsat, опорные данные
Литература:
  1. Плотников Д.Е., Колбудаев П.А., Барталев С.А., Лупян Е.А. Автоматическое распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018а. Т. 15. № 2. С. 112-127. DOI: 10.21046/2070-7401-2018-15-2-112-127.
  2. Bartalev S.A., Plotnikov D.E., Loupian E.A. Mapping of arable land in Russia using multiyear time series of MODIS data and the LAGMA classification technique // Remote Sensing Letters. 2016. Vol. 7. No. 3. P. 269-278. DOI: 10.1080/2150704X.2015.1130874.
  3. Waldner F., De Abelleyra D., Santiago V., Zhang M., Wu B., Plotnikov D.E., Bartalev S.A., Lavreniuk M., Skakun S., Kussul, N.N., Le Maire G., Dupuy S., Jarvis I., Defourny, Р. Towards a set of agrosystem-specific cropland mapping methods to address the global cropland diversity // International Journal of Remote Sensing. 2016. Vol. 37. Issue 14. DOI:10.1080/01431161.2016.1194545.
  4. Matton, N., G. S. Canto, F. Waldner, S. Valero, D. Morin, J. Inglada, M. Arias, S. Bontemps, B. Koetz, and P. Defourny. 2015. “An Automated Method for Annual Cropland Mapping along the Season for Various Globally-Distributed Agrosystems Using High Spatial and Temporal Resolution Time Series.” Remote Sensing 7 (10): 13208–13232. doi:10.3390/rs71013208.
  5. Jun Chen, Jin Chen, A. Liao, X. Cao, Lijun Chen, Xuehong Chen, C. He, G. Han, S. Peng, M. Lu, W. Zhang, X. Tong, J. Mills. Global land cover mapping at 30m resolution: A POK-based operational approach. ISPRS Journal of Photogrammetry and Remote Sensing, Volume 103, 2015, Pages 7-27, ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2014.09.002.
  6. Толпин В.А., Балашов И.В., Барталев С.А., Лупян Е.А., Плотников Д.Е., Ладонина Н.Н., Стыценко Ф.В. Информационная система глобального спутникового мониторинга сельского хозяйства VEGA-GEOGLAM // Тринадцатая всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса". Москва. ИКИ РАН, 16-20 ноября 2015.Тезисы докладов, 2015. С. 431.
  7. Плотников Д.Е., Колбудаев П.А., Барталев С.А. Выделение сезонно-однородных областей на основе анализа временных серий спутниковых изображений // Компьютерная оптика. 2018б. Т. 42. № 3. С. 447-456. DOI: 10.18287/2412-6179-2018-42-3-447-456.
  8. Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 263-284.

Презентация доклада

Дистанционное зондирование растительных и почвенных покровов

427