Дешифрування видового складу лісових насаджень за даними супутникових знімків Sentinel-2
Abstract
У статті розглянуто питання використання лісовпорядної бази даних і супутникових знімків Sentinel-2 для дешифрування видового складу лісових насаджень. Із цією метою застосовано техніку поєднання набору супутникових знімків, одержаних протягом одного вегетаційного періоду, у вигляді безхмарного сезонного композитного зображення. Використано алгоритм, який передбачає поканальний аналіз супутникових знімків Sentinel-2 і відбір із сукупності спостережень для кожного пікселя лише тих з них, які мають найбільше значення нормалізованого різницевого вегетаційного індексу NDVI і не потрапили на хмари. Під час створення набору вихідних даних для дешифрування супутникових знімків застосовано стратифіковану випадкову вибірку, яку спроектовано на основі чотирьох тематичних класів (страт) глобальної карти лісових екосистем – Global Forest Change. У результаті аналізу дешифрувальних ознак встановлено доцільність використання даних спектральних діапазонів видимого (зеленого, червоного), інфрачервоного спектра, а також додаткових змінних у вигляді географічних координат X та Y. Розроблено класифікаційну модель алгоритмом Random Forest, що дозволило дало змогу з точністю 95 % встановити площу лісових насаджень з перевагою сосни звичайної, яка домінує на території досліджень. Опрацьований підхід доцільно використовувати для задач моніторингу лісів у випадку відсутності достовірних наземних спостережень.References
Зібцев, С. В. Динаміка лісового покриву Чорнобильської зони відчуження за даними глобальної карти лісових екосистем високого просторового розрізнення [Електронний ресурс] / С. В. Зібцев, В. В. Миронюк, Д. В. Гілітуха // Лісове і садово-паркове господарство. – 2015. – № 6. – Режим доступу: http://ejournal.studnubip.com/zhurnal-6/ukr/zibtsev_myronyuk.
Лакида, П. І. Аналіз та інтерпретація карти високого просторового розрізнення лісових екосистем Полісся України / П. І. Лакида, В. В. Миронюк, Д. В. Гілітуха // Збалансоване природокористування. – 2014. – № 4. – С. 5–9.
Миклуш, С. І. Дешифрування різнопланових космічних знімків для оцінювання груп порід [Електронний ресурс] / С. І. Миклуш, О. Г. Часковський, С. А. Гаврилюк // Наук. праці Лісівничої академії наук України : збірник наук. праць. – 2013. – Вип. 11. – С. 144–150. – Режим доступу: http://nbuv.gov.ua/jpdf/eine_2002_13_4.pdf.
Миронюк, В. В. Сучасні методи оцінки таксаційних показників лісових насаджень на основі дешифрування космічних знімків [Текст] / В. В. Миронюк // Наук. вісник НУБіП України. – 2013. – № 183. – Ч. 1. –С. 209–215.
Breiman, L. Random Forest / L. Breiman // Machine Learning. – 2001. – Vol. 45. – № 1. – P. 5–32.
Continuous fields of land cover for the conterminous United States using Landsat data: first results from the Web-Enabled Landsat Data (WELD) / M. C. Hansen, A. Egorov, D. P. Roy. et all. // Remote Sensing Letters. – 2010. – Vol. 2. – № 4. – P. 279–288.
Helmer, E. H. Cloud-Free Satellite Image Mosaics with Regression Trees and Histogram Matching / E. H. Helmer, B. Ruefenacht // Photogrammetric Engineering & Remote Sensing. – 2005. – Vol. 71. – № 9. – P. 1079–1089.
High-resolution global maps of 21st-century forest cover change / M. C. Hansen, P. V. Potapov, R. Moore // Science. – 2013. – Vol. 342. – P. 850–853.
Immitzer, M. Tree Species Classification with random forest using very high spatial resolution 8-band WorldView-2 satellite data / M. Immitzer, C. Atzberger, T. Koukal // Remote Sensing. – Vol. 4. – P. 2661–2693.
Stratified aboveground forest biomass estimation by remote sensing data / H. Latifi, F. E. Fassnacht, F. Hartig et al. // International Journal of Applied Earth Observation and Geoinformation. – 2015. – Vol. 38. – 229–241.
McRoberts, R. E. Using a remote sensing-based, percent tree cover map to enhance forest inventory estimation / R. E. McRoberts, G. C. Liknes, G. M. Domke // Forest Ecology and Management. – 2014. – Vol. 331. – P. 12–18.
Map Accuracy Assessment and Area Estimation. A Practical Guide : [National forest monitoring assessment working paper No. 46/E]. – Rome: FAO, 2016. – 60 p.
The Comprehensive R Archive Network [Електронний ресурс]. – Режим доступу: http://cran.r-project.org .
