В настоящее время в Российской Федерации насущней задачей является вовлечение в оборот земель сельскохозяйственного назначения, в частности выявление неиспользуемых земель и зарастания залежей. Преимущество применения методов и технологий обработки данных дистанционного зондирования Земли для решения задач оценки и мониторинга состояния и использования сельскохозяйственных земель несомненно. Автоматизация алгоритмов обработки и анализа космических многоспектральных снимков обеспечила их широкое применение для многих задач, в том числе, получение объективной информации о состоянии растительности. В настоящий момент разрабатываются и совершенствуются системы мониторинга земного покрова больших территорий. Возможности ведения такого мониторинга в Российской Федерации отработаны при создании комплексной системы мониторинга лесных ресурсов (Вега-Приморье, http://primorsky.geosmis.ru/ [1]), информационного сервиса «Вега-PRO» (http://pro-vega.ru/ [2]). Однако, автоматизация процесса обнаружения изменений по разновременным космическим снимка является сложной задачей, кроме того, часто реализация, существующих методик на производстве не автоматизирована и требует больших трудозатрат.
Таким образом, поиск новых подходов по автоматизированному распознаванию изображений объектов местности и выявлению изменений по разновременным многоспектральным космическим снимкам, которые позволили бы осуществлять оперативный и эффективный мониторинг выявления неиспользуемых земель сельскохозяйственного назначения и зарастания залежей является актуальной задачей.
В докладе рассматривается методика обработки разновременных многоспектральных космических снимков высокого пространственного разрешения как инструмента формирования актуальной пространственной и атрибутивной информации, которая может быть применена для последующего принятия управленческих решений, направленных на эффективное использование сельскохозяйственных земель. Алгоритмы для распознавания и выявления изменений при мониторинге территорий, основанные на структурных признаках объектов на снимке, позволяют повысить достоверность результатов дешифрирования, чем алгоритмы, использующие только спектральные яркости изображений объектов на снимке, так как они подвержены влиянию большого числа факторов (состояние атмосферы, положение съемочной системы, положение Солнца и т. д., так и факторов, связанных с состоянием собственно объекта).
В работе предложена методика дешифрирования зарастания залежи древесно-кустарниковой растительностью на основе использования структурных признаков объектов на снимке, которые получены при вейвлет-анализе разновременных многоспектральных космических снимков. Данная методика позволяет максимально автоматизировать процесс предварительного выявления зарастания залежи древесно-кустарниковой растительностью по разновременным космическим снимкам высокого пространственного разрешения. В докладе представлены выполненные исследования предложенной методики по данным ДЗЗ полученным съемочными системами QuikBird, GeoEye и WorldView. В ходе данного исследования подтвердились на практике выбор вейвлет-функции для выявления изменений по разновременным космическим снимкам высокого пространственного разрешения, а именно, были выбраны анализирующий вейвлет Добеши и биортогональный вейвлет. Для программной реализации и применения вейвлет-преобразования для обработки многоспектральных снимков был использован язык Python 3.8.