Методы определения существенных переменных для оценки состояния земного покрова
Рубрика:
| Яйлимов, БЯ, Лавренюк, НС, Шелестов, АЮ, Колотий, АВ, Яйлимова, АА, Федоров, ОП |
| Косм. наука технол. 2018, 24 ;(4):24-37 |
| https://doi.org/10.15407/knit2018.04.026 |
| Язык публикации: Украинский |
Аннотация: Проведены исследования и описаны методы определения индикаторов деградации земель. Исследования в рамках работы позволяют сформулировать методы получения количественных оценок землепользования и их изменения для территории Украины.
Для оценки изменений земного покрова проведен анализ существующих источников данных для территории Украины. Рассмотрены наборы данных по территории Украины для создания карт земного покрова и методики оценки почвенно-растительного покрова, в частности, для оценки степени деградации земель и обеспечения уровня LDN (Land Degradation Neutrality) при поддержке ООН. Для оценки динамики изменения земного покрова на территории Украины выбраны 2000, 2010 и 2016 года. В качестве источников данных, использованы собственные карты, созданные по разработанной методологии, предусматривающей использование нейросетевой классификации временных рядов спутниковых данных. Для 2000 и 2010 годов карты земного покрова с пространственным разрешением 30 м для всей территории Украины созданы на основе снимков Landsat-4/5/7 в рамках проекта FP-7 SIGMA. Проведенный анализ показал, что общая точность глобальных карт земного покрова уступает региональных картам земного покрова на 10% для 2000 и на 12% для 2010. Для 2016 создана карта на основе спутниковых данных Sentinel с пространственным разрешением 10 м. Используя созданные карты, проведена оценка изменений земного покрова для 2000-2010 и 2000-2016 годов. Оценка проводилась для таких типов земного покрова: лес в необрабатываемые земли, лес в обрабатываемые земли, лес в голую землю. Идентифицировано основные проблемы на территории Украины, а именно места, где происходят масштабные изменения земного покрова. Также осуществлена оценка площадей для каждого из переходов. Сравнены площади лесов, которые получены на основе национальных карт земного покрова за три года (2000, 2010 и 2016) со статистической информацией.
|
| Ключевые слова: деградация земель, карта земного покрова, спутниковые данные, существенные переменные |
References:
1. Геопортал ESA CCI Land Cover products: a new generation of satellite-derived global land cover products [Електронний ресурс] / Режим доступу : http://maps. elie.ucl.ac.be/CCI/viewer/index.php.
2. Геопортал Геологічної служби США (United States Geological Survey) [Електронний ресурс] / Режим доступу : http://earthexplorer.usgs.gov.
3. Державне агентство лісових ресурсів України [Електронний ресурс] / Режим доступу : http://dklg.kmu.gov. ua/forest/control/uk/publish/article;jsessionid=CDD57 B4213360D89C901AC1D51FA9E94?art_id=101934& cat_id=32876.
4. Шелестов А. Ю., Яйлимов Б. Я. Стан моніторингу фактичного використання сільськогосподарських земель в провідних країнах на основі супутникових даних // Укр. журн. дистанційного зондування Землі. — 2017. — № 12. — C. 59—66.
5. Atzberger C., Formaggio A., Shimabukuro Y., Udelhoven T., Mattiuzzi M., Sanchez G., Arai E. Obtaining crop-specific time profiles of NDVI: the use of unmixing approaches for serving the continuity between SPOT-VGT and PROBA-V time series // Int. J. Remote Sensing. — 2014. — 35, N 7. — P. 2615—2638.
6. Bontemps S., Defourny P., Van E. Bogaert GLOBCOVER 2009-Products description and validation report // ESA. — 2010. — P. 1—30.
7. Chen J., Liao A., Cao X., et al. Global land cover mapping at 30m resolution: A POK-based operational approach // ISPRS J. Photogrammetry and Remote Sens. — 2015. — 103. — P. 7—27.
8. CORINE Land Cover. [Електронний ресурс] / Режим доступу : http://www.eea.europa.eu/publications/COR0- landcover.
9. Gallego F. J., Delincé J., Rueda C. Crop area estimates through remote sensing: stability of the regression correction // Int. J. Remote Sensing. — 1993. — 14, N 18. — P. 3433—3445.
10. Giria C., Pengrab B., Longc J., Lovelanda T. Next generation of global land cover characterization, mapping, and monitoring // Int. J. Appl. Earth Observation and Geoinform. — 2013. — 25. — P. 30—37.
11. Jia K., et al. Land cover classification using Landsat 8 operational land imager data in Beijing, China // Geocarto International. — 2014. — 29, N 8. — P. 941—951.
12. Kogan F., Kussul N., Adamenko T., Skakun S., Kravchenko O., Kryvobok O., Shelestov A., Kolotii A., Kussul O., Lavrenyuk A. Winter wheat yield forecasting: A comparative analysis of results of regression and biophysical models // J. Automation and Information Sci. — 2013. — 45, N 6. — P. 68—81.
13. Kolotii A., Kussul N., Shelestov A., Skakun S., Yailymov B., Basarab R., Lavreniuk M., Oliinyk T., Ostapenko V. Comparison of biophysical and satellite predictors for wheat yield forecasting in Ukraine // Int. Archives of the Photogrammetry, Remote Sensing & Spatial Information Sci. — 2015. — P. 39—44.
14. Kravchenko A., Kussul N., Lupian E., Savorsky V., Hluchy L., Shelestov A. Water resource quality monitoring using heterogeneous data and high-performance computations // Cybernetics and Systems Analysis. — 2008. — 44, N 4. — P. 616—624. — DOI:10.1007/s10559-008-9032-x.
15. Kussul N., Lavreniuk M., Skakun S., Shelestov A. Deep Learning Classification of Land Cover and Crop Types Using Remote Sensing Data // IEEE Geoscience and Remote Sensing Letters. — 2017. — 12, N 5. — P. 778— 782. — DOI: 10.1109/LGRS.2017.2681128.
16. Kussul N., Lavreniuk N., Shelestov A., Yailymov B., Butko I. Land Cover Changes Analysis Based on Deep Machine Learning Technique // J. Automation and Information Sci. — 2016. — 48, N 5. — P. 42—54. — DOI: 10.1615/ JAutomatInfScien.v48.i5.40.
17. Kussul N., Lemoine G., Gallego J., Skakun S., Lavreniuk M., Shelestov A. Parcel-based Crop Classification in Ukraine Using Landsat-8 Data and Sentinel-1A Data // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. — 2016. — 9, N 6. — P. 2500—2508. — DOI: 10.1109/JSTARS.2016.2560141.
18. Kussul N., Lemoine G., Gallego J., Skakun S., Lavreniuk M. Parcel based classification for agricultural mapping and monitoring using multi-temporal satellite image sequences // The International Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International. — 2015. — P. 165—168. — DOI: 10.1109/ IGARSS.2015.7325725.
19. Kussul N., Shelestov A., Basarab R., Skakun S., Kussul O., Lavreniuk M. Geospatial intelligence and data fusion techniques for sustainable development problems // 11th International Conference on ICT in Education, Research and Industrial Applications: Integration, Harmonization and Knowledge Transfer, ICTERI 2015 (14—16 May 2015, Lviv, Ukraine). — 2015. — 1356. — P. 196—203.
20. Kussul N., Shelestov A., Basarab R., Yailymov B., Lavreniuk M., Kolotii A. High resolution land cover for Ukraine // Space research in Ukraine. - January 2016. — P. 44—47.
21. Kussul N., Shelestov A., Lavreniuk M., Skakun S. Deep Learning Approach For Large Scale Land Cover Mapping Based On Remote Sensing Data Fusion // Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International — 2016. — P. 198—201. — DOI: 10.1109/ IGARSS.2016.7729043.
22. Kussul N., Shelestov A., Skakun S. Grid technologies for satellite data processing and management within international disaster monitoring projects // Grid and Cloud Database Management. — 2011. — P. 279—305.
23. Kussul N., Shelestov A., Skakun S., Kravchenko O. Highperformance intelligent computations for environmental and disaster monitoring // Int. J. Information Technologies & Knowledge. — 2009. — 3. — P. 135—156.
24. Kussul N., Skakun S., Shelestov A., Kussul O. The use of satellite SAR imagery to crop classification in Ukraine within JECAM project // IEEE International Geoscience and Remote Sensing Symposium (IGARSS). — 2014. — P. 1497—1500.
25. Kussul N., Skakun S., Shelestov A., Lavreniuk M., Yailymov B., Kussul O. Regional scale crop mapping using multi-temporal satellite imagery // International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences. — 2015. — P. 45–52.
26. Land Degradation Neutrality. [Електронний ресурс] / Режим доступу : http://www2.unccd.int/issues/landsdgs/land-degradation-neutrality.
27. Lavreniuk M., Kussul N., Skakun S., Shelestov A., Yailymov B. Regional Retrospective High Resolution Land Cover For Ukraine: Methodology And Results // International Geoscience and Remote Sensing Symposium 2015 (IGARSS 2015), N 15599383. — P. 3965—3968. — DOI: 10.1109/IGARSS.2015.7326693.
28. Lavreniuk M., Skakun S., Shelestov A., Yailymov B., Yanchevskii S., Yaschuk D., Kosteckiy A. Large-Scale Classification of Land Cover Using Retrospective Satellite Data // Cybernetics and Systems Analysis. — 2016. — 52, N 1. — P. 127—138. — DOI: 10.1007/s10559-016-9807-4.
29. Malenovský Z., Rott H., Cihlar J., Schaepman M., GarcíaSantos G., Fernandes R., Berger M. Sentinels for science: Potential of Sentinel-1,-2, and-3 missions for scientific observations of ocean, cryosphere, and land // Remote Sensing of Environment. — 2012. — 120. — P. 91-101.
30. Roy D., Wulder M., Loveland T., et al. Landsat-8: Science and product vision for terrestrial global change research // Remote Sensing of Environment. — 2014. — 145. — P. 154—172.
31. Shelestov A., Kolotii A., Camacho F., Skakun S., Kussul O., Lavreniuk M., Kostetsky O. Mapping of biophysical parameters based on high resolution EO imagery for JECAM test site in Ukraine // Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International — P. 1733—1736.
32. Skakun S., Kussul N., Shelestov A., Lavreniuk M., Kussul O. Efficiency Assessment of Multitemporal C-Band Radarsat-2 Intensity and Landsat-8 Surface Reflectance Satellite Imagery for Crop Classification in Ukraine // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. — 2015. — DOI: 10.1109/JSTARS.2015.2454297.
33. UNCCD. 2015. Report of the Conference of the Parties on its twelfth session, held in Ankara from 12 to 23 October 2015. Part two: Actions. ICCD/COP(12)/20/Add.1. United Nations Convention to Combat Desertification (UNCCD), Bonn. See Decision3/COP.12, page 8. Available at: http://www.unccd. int/Lists/OfficialDocuments/cop12/20add 1eng.pdf
34. Waldner F., Kussul N., Guerric le Maire, Dupuy S. Towards a set of agrosystem-specific cropland mapping methods to address the global cropland diversity // Int. J. Remote Sensing. — 2016. — 3714, N 14. — P. 3196—3231. — DOI: 10.1080/01431161.2016.1194545.
35. Zhong L., Gong P., Biging G. Efficient corn and soybean mapping with temporal extendability: a multi-year experiment using landsat imagery // Remote Sensing Environ. — 2014. — 140. — P. 1—13.