Аннотации:
Дистанционные методы мониторинга и прогноза урожайности сельскохозяйственных культур широко
используются во всем мире. Однако такие методы не являются универсальными и требуют апробации в
каждом ландшафтном регионе. В работе исследуется подходы к использованию мультиспектральных снимков спутника Landsat-8 для классификации ландшафтов провинции Эль-Дивания — одного из главных
центров орошаемого земледелия Ирака. Исходными данными для классификации послужили сходные по
радиометрическим характеристикам снимки, сделанные в период максимальной вегетации зерновых культур (март 2014, 2015 и 2016 года). Такой подбор снимков предполагал уверенное выделение агроландшафтов на основе вегетационного индекса NDVI (Normalized Difference Vegetation Index). Исследование отклика
распределений NDVI на изменения площади зерновых культур и на сезонные осадки позволило обосновать
пороговые значения индекса для ландшафтов провинции. В том числе выделены четыре типа ландшафтов:
ландшафты со здоровой, умеренно разряженной растительностью (NDVI > 0,34); ландшафты с угнетенной
или сильно разряженной растительностью (0,34 ≥ NDVI > 0,19 ); ландшафты без растительности (0,19 ≥
NDVI > –0,1 ) и водные ландшафты (NDVI ≥ –0,1). Сравнение типов автоматически классифицированных и
визуально дешифрованных ландшафтов, формализованное в матрицу ошибок, показывает, что общая точность, F-мера и другие метрики качества классификации близки к 90 %. Remote sensing monitoring and prediction of crop yields are widely used throughout the world. However,
such techniques are not universal and require testing in each landscape region. This paper deals with approaches
to using multispectral satellite images to classify landscapes of Al-Diwaniyah, one of the main centers of irrigated
agriculture in Iraq. As a data source for the classification, we choose of Landsat-8 images received in March 2014,
2015 and 2016 with similar radiation characteristics. Snapshot dates coincided with the period of crops maximum
vegetation, allowing a certain allocation of agricultural land based on Normalized Difference Vegetation Index
(NDVI). The analysis of NDVI distributions demonstrate their sensitivity to changes of cereal crops areas and
seasonal precipitation sum, that allow us to establish four types of regional landscapes based on NDVI thresholds:
landscapes with health vegetation with moderate-to-high projective cover (NDVI > 0,34); landscapes with stressed
or low projective cover vegetation (0,19 < NDVI ≤ 0,34), landscapes without vegetation (0,1 < NDVI ≤ 0,19) and
water landscapes (NDVI ≤ – 0,1). Comparison of classification with the traditional man-made interpretation of
landscapes showed that the overall accuracy and F-measure of the proposed automatic classification is about
90 %.
Описание:
Халил Зена Хуссейн, аспирантка, кафедра системного программирования, Южно-
Уральский государственный университет (национальный исследовательский университет) (Челябинск, Российская Федерация).
Абдуллаев Санжар Муталович, доктор географических наук, профессор, кафедра
системного программирования, Южно-Уральский государственный университет (национальный исследовательский университет) (Челябинск, Российская Федерация). Z.H. Khalil, S.M. Abdullaev
South Ural State University
(pr. Lenina 76, Chelyabinsk, 454080 Russia)
E-mail: zenahussaink@gmail.com, abdullaevsm@susu.ru