Методика автоматизированной подготовки обучающей выборки для тематической классификации изображений высокого пространственного разрешения Landsat-TM

Предложена методика автоматизации подготовки обучающей выборки для классификации спутниковых изображений высокого пространственного разрешения Landsat-TM посредством ERDAS Imagine и ArcGIS Desktop.
Главной задачей методики является выделение на спутниковом изображении конечного и относительно небольшого (50 – 100) числа эталонных областей, каждой из которых можно сопоставить лишь один идентифицируемый на местности класс объектов путем итоговой экспертной оценки. При этом рассматриваемые классы должны спектрально различаться между собой, и быть по возможности равномерно распределены по площади спутникового изображения с целью повышения представительности каждого класса даже на небольших локальных участках.
Это достигается объединением результатов спектральной и пространственной дифференциации пикселей спутникового изображения, а также на основе статистического анализа кривых спектральных яркостей рассматриваемых типов земной поверхностей, полученных из временных серий спутниковых изображений одной и той же территории в пределах вегетационного периода. Спектральная разделимость классов достигается с помощью неконтролируемой классификации изображения алгоритмом ISODATA, пространственная дифференциация осуществляется на основе алгоритмов сегментации. Временные серии спутниковых изображений формируются методом моделирования поведения спектральных яркостей подстилающих поверхностей в весенний, осенний и зимний периоды года (Гаврилюк, Ершов 2012). Результатом анализа разновременных изображений являются диапазоны значений универсальных коэффициентов, характеризующих динамику спектральных яркостей разных типов подстилающей поверхности. На основании результатов всех трех типов анализа – спектрального, пространственного и временного ¬– для каждого пикселя изображения делается вывод о пригодности его использования в качестве эталонного значения, а также о принадлежности его к определенному классу идентифицируемых объектов. Это реализуется посредством последовательного применения к пикселям изображения зональных статистических фильтров, в основу которых положены результаты спектральной и пространственной дифференциации, а также диапазоны значений коэффициентов, полученных на основе разновременных изображений. Формирование эталонной выборки по данной методике может осуществляться для временных серий спутниковых данных, созданных как на основе одиночных снимков Landsat-TM, так и безоблачных композитных изображений, покрывающих значительные территории. Эталонная выборка наилучшим образом подходит для локально-статистических алгоритмов классификации с обучением. Классификация с использованием глобальных статистических методов применима только для относительно небольших по площади изображений.
Методика автоматизированного формирования обучающей выборки апробирована для лесных территорий центральной части европейской России, Красноярского края и Иркутской области (территории общей площадью более 1 млн. кв. км). Работы проводились по программе фундаментальных исследований Президиума РАН «Живая природа: Современное состояние и проблемы развития», подпрограмме «Динамика лесных экосистем» в рамках проекта «Мониторинг биоразнообразия и динамики лесов на основе данных спутниковых наблюдений и информационных технологий». Достигнутые результаты будут использованы при создании системы автоматизированной обработки спутниковых данных высокого пространственного разрешения для тематического картографирования растительности и выявления изменений в лесных экосистемах на региональном уровне.