Разработка алгоритма полуавтоматической классификации земной поверхности на снимках Landsat ETM и MODIS.

В основу классификации положено применение различных индексов отношенией каналов (Band Ratio), которые разделены на две основных группы: индексы открытых поверхностей и вегетационные индексы. До применения классификационных индексов снимки проходят предварительную обработку, которая, в случае Landsat ETM, подразумевает устранение полос, атмосферную коррекцию, пересчет значений каждого канала в значения reflectance, маскирование сельхозугодий.
В первой группе основными индексами являются Индекс обнаженных почв (Bare Soil Index), Индекс размера почвенных частиц (Topsoil Grain Size Index), Нормализованный водный индекс (Normalized Difference Water Index) и нормализованный снежный индекс (Normalized Difference Snow Index). Сочетание этих индексов позволяет распознавать водные поверхности, ледники и снежники, песчаные, каменистые и глинистые почвы. В группу вегетационных индексов включены NDVI, SAVI с поправочными коэффициентами (0,25 для разреженной растительности полупустынь и пустынь, 0,5 для нормальной растительности), а также канал зелености (Greenness), вычисляемый по алгоритму Tasseled Cap. Для всех индексов определены интервалы значений, описывающий тот или иной класс. Например, для SAVI0.25 интервалы соответствуют следующим классам: 0,1-0,18 – ксерофитная растительность, ОПП (общее проективное покрытие) 50%; 0,27-0,31 – тугаи, лиственные леса; 0,31-0,44 – травянистая растительность с ОПП80%, хвойные леса (самые высокие значения индекса). Разработка алгоритма сопровождалась наземными исследованиями (весна и ранняя осень 2012 года), в ходе которых сделаны подробные геоботанические и ландшафтные описания 130 локалитетов, расположенных в пустынной, степной и горной зонах Алматинской области Республики Казахстан. Точность распознавания классов обнаженных поверхностей составляет в данный момент 86% для снимков Landsat ETM, точность распознавания классов растительности немногим меньше (80%).
Обработка результатов осенних полевых исследований позволит повысить точность распознавания отдельных классов и составить корреляционную таблицу интервалов значений индексов для Landsat ETM и MODIS.