| Русский Русский | English English |
   
Главная Текущий номер
17 | 12 | 2018
10.14489/vkit.2018.11.pp.022-027

DOI: 10.14489/vkit.2018.11.pp.022-027

Чурсин И. Н., Филиппов Д. В., Горохова И. Н.
РАСПОЗНАВАНИЕ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР ПО МУЛЬТИСПЕКТРАЛЬНЫМ КОСМИЧЕСКИМ СНИМКАМ ВЫСОКОГО РАЗРЕШЕНИЯ
(c. 22-27)

Аннотация. Рассмотрен опыт применения метода «дерево принятия решений» для классификации сельскохозяйственных культур по материалам мультиспектральной космической съемки высокого разрешения со спутника Landsat-8. В качестве исследуемого объекта выбран Светлоярский орошаемый участок, входящий в состав Светлоярской оросительной системы (Волгоградская область). Выявлены преимущества и недостатки применения космических мультиспектральных снимков, полученных с космических аппаратов «Канопус-В», «Ресурс-П», Landsat-8. Обработка мультиспектральных космических снимков методом «дерево принятия решений» показала его преимущества по сравнению с классификацией сельскохозяйственных культур с помощью вегетационного индекса NDVI (Normalized Difference Vegetation Index) и достоверность полученных результатов.

Ключевые слова:  мультиспектральные снимки; классификация сельскохозяйственных культур; вегетационный индекс; орошаемый участок.

 

Chursin I. N., Philippov D. V., Gorokhova I. N.
PRACTICE IN THE RECOGNITION OF CROPS ON MULTISPECTRAL HIGH-RESOLUTION SATELLITE IMAGERY
(pp. 22-27)

Abstract. The article is devoted to the application of remote sensing materials for studying the state of agricultural crops. The Svetloyarsky irrigated plot, which is part of the Svetloyar irrigation system (Volgograd region), was chosen as the investigated object. The factors influencing the coefficient of spectral brightness or the socalled spectral response of landscapes with agricultural crops are considered in the article. The article describes the features of the application of vegetative index NDVI for the description of the vegetation cover. The article presents the results of calculating NDVI from the Landsat image. The paper points out the advantages and disadvantages of using space multispectral imagery from satellit Kanopus-B, Resurs-P and Landsat for studying agricultural crops. The article describes the experience of using the decision tree method for classifying crops based on high resolution multispectral space imagery. As an algorithm for building a tree, we used the CART (Classificationand Regression Tree) algorithm implemented in the Statistica software package. Based on the constructed tree, several Landsat images were classified. The results of processing by this method of multispectral space images Landsat-8 showed clear advantages over classification with the help of vegetation index NDVI and good reliability of the results obtained. As a disadvantage of this method, the article points out that the solution tree created by the CART algorithm is not universal and therefore it is necessary to create a new training sample and rebuild the tree for a new study site.

Keywords: Multyspectral imagery; Classification of crops; Vegetation index; Irrigated area.

Рус

И. Н. Чурсин, Д. В. Филиппов (Научный геоинформационный центр Российской академии наук РАН, Москва, Россия)
И. Н. Горохова (ФГБУН «Почвенный институт имени В. В. Докучаева», Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

 

Eng

I. N. Chursin, D. V. Philippov (Scientific Geoinformation Centеr, Russian Academy of Sciences, Moscow, Russia)
I. N. Gorokhova (V. V. Dokuchaev Soil Science Institute, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Рус

1. Мухтолова М., Шаов М., Темботов З. Землеустройство и сельскохозяйственное землепользование в России // Междунар. сельскохозяйственный журнал. 2016. № 3. С. 3 – 5.
2. Тарцан А. Г. Физико-географическая характеристика Светлоярского района г. Волгограда // Молодой ученый. 2015. № 6(86). Ч. 2. С. 320 – 324.
3. Перекрестов Н. В. Почвенно-климатические агроландшафты Светлоярского района Волгоградской области // Вестник Прикаспия. 2015. № 3. С. 33 – 37.
4. Дегтярева Дегтярева Е. Т., Жулидова А. И. Почвы Волгоградской области. Волгоград: Нижне-Волжское книжное изд-во, 1970. 321 с.
5. Горохова И. Н., Филиппов Д. В. Применение геоинформационных технологий и материалов космической съемки для мониторинга орошаемых земель Светлоярской оросительной системы (Волгоградская область) // Исследование Земли из космоса. 2017. № 4. С. 79 – 87. doi:10.7868/S020596141704008X
6. Черепанов А. С. Вегетационные индексы // Геоматика. 2011. № 2(11). С. 98 – 102.
7. Лебедев В. В., Гансвинд И. Н. Проектирование систем космического мониторинга. М.: Наука, 2010. 388 с.
8. Апарин Б. Ф., Русаков А. В., Булгаков Д. С. Бонитировка почв и основы государственного земельного кадастра: учеб. пособие. СПб.: Изд-во СПбГУ, 2002. 88 с.
9. Шовенгерт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. Ч. 1. М.: Техносфера, 2010. 560 с.
10. Кучко А. С. Аэрофотография (Основы и метрология). М.: Недра, 1974. 272 с.

Eng

1. Muhtolova M., Shaov M., Tembotov Z. (2016). Land Management and Agricultural Land Use in Russia. Mezhdunarodnyy sel'skohozyaystvennyy zhurnal, (3), pp. 3-5. [in Russian language]
2. Tartsan A. G. (2015). Physical and geographical characteristics of the Svetloyarsky district of Volgograd. Molodoy uchenyy, (6), pp. 320-324. [in Russian language]
3. Perekrestov N. V. (2015). Soil-climatic agrolandscapes of the Svetloyyarsky District of the Volgograd Region. Vestnik Prikaspiya, (3), pp. 33-37. [in Russian language]
4. Degtyareva E. T., Zhulidova A. I. (1970). Soils of the Volgograd region. Volgograd: Nizhne-Volzhskoe izdatel'stvo. [in Russian languge]
5. Gorohova I. N., Filippov D. V. (2017). Application of geoinformation technologies and materials of space imagery for monitoring irrigated lands of the Svetloyarsk irrigation system (Volgograd region). Issledovanie Zemli iz kosmosa, (4), pp. 79-87. doi:10.7868/S020596141704008X [in Russian language]
6. Cherepanov A. S. (2011). Vegetation indices. Geomatika, (2), pp. 98-102. [in Russian language]
7. Lebedev V. V., Gansvind I. N. (2010). Design of space monitoring systems. Moscow: Nauka. [in Russian language]
8. Aparin B. F., Rusakov A. V., Bulgakov D. S. (2002). Soil valuation and the basis of the state land cadastre. Saint Petersburg: Izdatel'stvo SPbGU. [in Russian language]
9. Shovengert R. A. (2010). Remote sensing. Models and methods of image processing. Moscow: Tekhnosfera. [in Russian language]
10. Kuchko A. S. (1974). Aerial photography. Fundamentals and metrology. Moscow: Nedra. [in Russian language]

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2018.11.pp.022-027

и заполните  форму 

Отправляя форму вы даете согласие на обработку персональных данных.

.

 

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2018.11.pp.022-027

and fill out the  form  

 

.

 

 

 
Поиск
Баннер
Баннер
Баннер
Баннер
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Rambler's Top100 Яндекс цитирования