Автоматизоване розпізнавання міської рослинності та водойм за знімками супутника «Jilin-1А»

1Макаров, ОЛ, Білоусов, КГ, Свинаренко, ДН, Хорошилов, ВС, 2Мозговий, ДК, 1Попель, ВМ
1Державне підприємство «Конструкторське бюро «Південне» ім. М. К. Янгеля», Дніпропетровськ
2Дніпропетровський національний університет імені Олеся Гончара
Косм. наука технол. 2021, 27 ;(4):42-53
https://doi.org/10.15407/knit2021.04.042
Мова публікації: Українська
Анотація: 
Наведено результати експериментального тестування розробленої методики автоматизованого розпізнавання рослинності та водойм на території міст за багатоспектральними знімками зі супутника «Jilin-1А». Дослідження включали проведення автоматизованого розпізнавання рослинності та водних об’єктів на обраній території спостережень за знімками надвисокого просторового розрізнення видимого та ІЧ-діапазонів і наступного порівняння отриманих результатів з результатами візуального дешифрування. Отримані результати обробки знімків зі супутника «Jilin-1А» відповідно до запропонованої методики підтвердили достатньо високу точність автоматизованого виділення границь розпізнаних об’єктів у порівнянні з результатами інтерактивного візуального розпізнавання цих же знімків. На різних тестових ділянках отримано добре розділення класів рослинності і води при тих самих настроюваннях порогів бінаризації. Точність автоматичної класифікації рослинності та водойм (без урахування похибок еталона) для різних тестових ділянок становила 81....92 %, а значення коефіцієнта Каппа лежали у межах 0.68...0.85. Порівняння нормалізованих індексних зображень, отриманих із супутників «Jilin-1А» і «Sentinel-2A», показало незначні розбіжності значень NDVI та істотні розбіжності для NDWI і MNDWI, що зумовлено використанням різних спектральних каналів (SWIR і NIR). Дані розбіжності можна істотно зменшити, використовуючи поправочні коефіцієнти.
             Аналіз впливу зменшення розрядності вихідних знімків (з 10 до 8 біт) і наступного інформаційного стиснення (JPEG lossy і JPEG2000 lossless) на результати автоматизованого розпізнавання рослинності і водних об’єктів підтвердив доцільність і ефективність таких методів. Обсяг збережених і переданих файлів зменшувався суттєво (в 80..100 разів) при незначному зниженні точності класифікації (на 1...2 %). Запропонована методика дозволяє істотно підвищити оперативність і вірогідність відновлення карт великих міст при одночасному зниженні фінансових витрат у порівнянні із традиційною наземною GPS-зйомкою та аерофотозйомкою.
               Завдяки високому ступеню автоматизації обробки знімків та мінімізації необхідних обчислень (у порівнянні з методами, що використовують складні класифікатори і нейронні мережі) розроблена методика може бути реалізована у вигляді геоінформаційного вебсервісу, який забезпечуватиме потреби широкого кола державних служб і комерційних структур, а також буде корисним для населення мегаполісів і туристів.
Ключові слова: багатоспектральні знімки, відновлення карт, обробка зображень, спектральні індекси, супутниковий моніторинг