Report
МОНИТОРИНГ ЗАРАСТАНИЯ ЗЕМЕЛЬ СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ ПО КОСМИЧЕСКИМ СНИМКАМ ВЫСОКОГО И СРЕДНЕГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ
| Title: | МОНИТОРИНГ ЗАРАСТАНИЯ ЗЕМЕЛЬ СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ ПО КОСМИЧЕСКИМ СНИМКАМ ВЫСОКОГО И СРЕДНЕГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ |
|---|---|
| Publisher Information: | Международный сельскохозяйственный журнал, 2021. |
| Publication Year: | 2021 |
| Subject Terms: | 2. Zero hunger, unsupervised classification, космические снимки, неконтролируемая классификация, multispectral image segmentation, 15. Life on land, автоматизированное дешифрирование, automated interpretation, выявление зарастаний, overgrowth detection, сегментация многоспектральных изображений, agricultural land, satellite images, сельскохозяйственные земли |
| Description: | Основным исполнителем мониторинга земель сельскохозяйственного назначения является государство, из чего исходит потребность в масштабировании технологических решений на всю территорию страны и повышении уровня автоматизации технологических процессов. Одним из основных направлений развития государственной системы мониторинга сельского хозяйства является определение нарушенных земель. На сегодняшний день для выполнения данной задачи требуется высокая вовлеченность оператора, что негативно отражается на общем уровне автоматизации. В данной работе рассмотрена методика автоматизированного выявления зарастаний на сельскохозяйственных землях. В качестве тестовых участков выбраны сельскохозяйственные поля в районе города Городовиковск, Республика Калмыкия и в районе деревни Чемоданово, Калужская область. Исходные материалы включают данные высокого пространственного разрешения со спутников WorldView-2 и WorldView-3 и данные среднего пространственного разрешения со спутников Sentinel-2. В качестве предварительной обработки изображений применялась сегментация, для которой был выбран метод водоразделов. Далее изображение классифицируется для повышения уровня автоматизации методики, используется алгоритм классификации без обучения — метод кластеризации K-means, для каждого типа объекта назначается по два класса. Результаты векторизуются и анализируются. После аналитической обработки результатов классификации, получаем границы территорий зарастаний на сельскохозяйственных полях, которые сравниваются с эталоном, чтобы оценить уровень достоверности разработанной методики. The State is main executor of agricultural lands monitoring, which make the need to scale technological solutions throughout the country, namely, to increase the level of technological processes automation. One of the main development directions of the state agriculture monitoring system is the identification of disturbed lands. Nowadays, this task requires high operator involvement, which negatively affects the overall automation level. In this article the technique of automated overgrowth detection on agricultural lands is considered. Agricultural fields in the area of Gorodovikovsk town, Republic of Kalmykia and in the area of the Chemodanovo village, Kaluga region were selected as test plots. Source materials include high spatial resolution data from WorldView-2 and WorldView-3 satellites and medium spatial resolution data from Sentinel-2 satellites. Segmentation was used as preliminary image processing, for which the watershed method was chosen. Next, the image is classified, to increase the level of technique automation, classification algorithm without training is used, namely K-means clustering method, two classes are assigned for each type of object. The results are vectorized and analyzed. After analytical classification results processing, we obtain the overgrown areas boundaries in agricultural fields, which are compared with standard in order to evaluate reliability level of the developed methodology. |
| Document Type: | Research |
| DOI: | 10.24412/2587-6740-2021-4-7-9 |
| Rights: | CC BY |
| Accession Number: | edsair.doi...........ad30f112b9b4c8279c1cc3c2479b128f |
| Database: | OpenAIRE |
| DOI: | 10.24412/2587-6740-2021-4-7-9 |
|---|