Исследование возможностей мультисенсорных временных рядов NDVI для классификации сельскохозяйственных культур и залежных земель в Хабаровском крае

Автоматизированный мониторинг сельскохозяйственных угодий играет ключевую роль в организации устойчивого земледелия. При этом определенные трудности распознавания типов растительности в различных регионах связаны с уникальными фенологическими характеристиками и влиянием метеорологических условий каждого сезона. Кроме того, построение непрерывных временных рядов вегетационных индексов на основе данных одного спутникового аппарата часто осложнено влиянием облачности.
В данной работе для классификации сельскохозяйственных земель Хабаровского края в 2022, 2023 и 2024 годах использовались мультиспектральные данные спутников Landsat-8/9 и Sentinel-2, а также ежедневные композиты индекса NDVI со спутника «Метеор-М». Для каждого года проводилась классификация по пяти классам: соя, зерновые, многолетние травы, гречиха и залежные земли. Временные ряды NDVI по снимкам Sentinel-2 и Landsat-8/9 были аппроксимированы с помощью ряда Фурье для устранения пробелов, вызванных облачностью. Классификация выполнялась с применением алгоритма случайного леса (RF).
На основе обработанных данных для каждого класса были построены усредненные аппроксимированные кривые сезонной динамики NDVI. Определены ключевые показатели, характеризующие эти временные ряды: среднее значение максимума, день наступления максимума и вариабельность показателей. Выявленные различия в форме сезонных кривых для разных культур позволили успешно использовать параметры временных рядов в качестве признаков для автоматической классификации. Средняя точность классификации по годам составила для Landsat 87%, для «Метеора-М» 89% и для Sentinel-2 93%. Значения F1-меры для доминирующих классов — сои и залежи — достигли для Landsat 0,94 и 0,79, для «Метеора-М» 0,95 и 0,85, для Sentinel-2 0,96 и 0,89 соответственно.
Для интеграции данных со всех трех спутников за исследуемый период существующий программный комплекс обработки изображений был дополнен функциями совмещения снимков (корегистрации) и приведения их к единому пространственному разрешению. Все снимки были преобразованы в систему координат EPSG:4326 (WGS 84), которая является стандартом для спутниковых навигационных систем. Для ресемплинга данных на единую сетку применялся метод билинейной интерполяции. Этот метод определяет значение пикселя выходного растра как взвешенное среднее значений четырех ближайших пикселей исходного изображения с учетом расстояния до их центров.
Объединение данных трех спутниковых платформ позволило повысить общую точность классификации на 7% по сравнению с использованием одиночного источника данных. Совокупная точность варьировалась от 94% в 2024 году до 96% в 2022 году. На основе интегрированных данных были построены карты использования пахотных земель за период с 2022 по 2024 год.
Полученные результаты демонстрируют возможность как использования данных отдельных спутников для картографирования с удовлетворительной точностью, так и преимущества объединения мультисенсорных данных. Комбинированный подход обеспечивает высокую точность и устойчивость к недостатку данных из-за облачности на снимках одного из аппаратов.