Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 14–18 ноября 2022 г.

(http://conf.rse.geosmis.ru)

XX.B.515

Спутниковое картографирование тридцатилетней динамики пахотных земель регионов России на основе временных серий данных Landsat

Плотников Д.Е. (1), Ёлкина Е.С. (1), Антошкин А.А. (1), Денисов П.В. (1)
(1) Институт космических исследований РАН, Москва, Россия
На территории Российской Федерации в настоящее время находится около 10% мировой площади используемой пашни. Последствием наступившего в России в начале 90-х годов экономического спада стало снижение площади используемой пашни более чем на треть от уровня 1970х-1990х годов (www.gks.ru). В настоящее время актуальной задачей является оценка площадей и состояния заброшенных земель в целях принятия информированных решений о направлениях их дальнейшего использования.
Спутниковые данные подтвердили высокую эффективность при решении задач широкомасштабного мониторинга и распознавания растительного покрова, оценки состояния и прогнозирования урожайности сельскохозяйственных культур (Лупян и др., 2020, Шабанов и др., 2018, Плотников и др., 2020, Гаврилюк и др., 2018, Waldner et al., 2019, Плотников и др., 2017). Благодаря поддержке долговременных программ дистанционного мониторинга Земли, таких как Landsat, стало возможным непрерывное получение однородных характеристик растительного покрова земного шара на протяжении десятилетий. Указанная программа не имеет аналогов благодаря рекордной по длительности (более 45 лет) непрерывной временной серии данных спутниковых наблюдений высокой пространственной детальности. В настоящей работе описываются результаты динамического картографирования используемой пашни Московской, Белгородской, Калинградской области, а также Республики Татарстан и Республики Удмуртия за тридцатилетний период спутниковых наблюдений (с 1986 по 2016 годы) спутниковой системой Landsat с пространственным разрешением 30 метров.
Ранее было показано, что объектно-ориентированные подходы и непараметрическая классификация позволяют обеспечить региональное картографирование пахотных земель регионов России на основе синтезированных временных серий данных Landsat для различных сезонов вегетации (Плотников и др., 2018). Последующее масштабирование указанных подходов с использованием распределенных вычислений позволило расширить пространственный охват и увеличить глубину динамического картографирования. В частности, развитие в ИКИ РАН методов и технологий восстановления временных серий высокого временного разрешения для различных спутниковых систем (Plotnikov et al., 2022) с использованием весового подхода (Плотников и др., 2022), пространственно-временного анализа (Zhu et al., 2010, Huang et al., 2013, Плотников и др., 2018) и гармонической регрессии (Padhee et al., 2019), позволило обеспечить построение сезонных спектрально-временных признаков распознавания пахотных земель в различные годы тридцатилетнего периода наблюдений. Для обеспечения высокодетального картографирования больших территорий были использованы распределенные вычисления на основе локально-адаптивного объектно-ориентированного классификатора с регулируемой плотностью обучающей выборки.
Для автоматического распознавания земель с признаками распашки или сева сельскохозяйственных культур в течение трёхлетнего временного отрезка был использован непараметрический метод Random Forest (Breiman, 2001), обученный на разметке пахотных земель 2019-2021 годов. Обучающая выборка была создана экспертами с использованием региональных геопространственных данных и спутниковых снимков Sentinel-2. Для обеспечения совместимости между разновременными наборами признаков, полученными по данным различных приборов программы Landsat, и для переноса обученного классификатора на исторические интервалы использовалась нормализация функции распределения значений признаков. В результате динамического картографирования на каждый регион исследования была получена временная серия карт используемых пахотных земель.
В целях обеспечения регулярности разновременных оценок, тридцатилетний интервал наблюдений был разбит на шесть пятилетних страт, для каждой из которых была получена карта используемой в течение трёх лет пашни. Анализ временной серии полученных карт позволил идентифицировать последний год использования пашни на уровне отдельных полей, обеспечивая оценку длительности их дальнейшей экологической трансформации. Сопоставление серии разновременных оценок площадей используемой пашни с данными ГосКомСтата СССР и Росстата, а также данных Всероссийской сельскохозяйственной переписи 2006 и 2016 годов по каждому региону подтвердило совпадение трендов, полученных по данным дистанционного зондирования Земли и из статистических источников.
Анализ результатов картографирования позволил установить и подтвердить пространственно-временные паттерны забрасывания пахотных земель за тридцатилетний период наблюдений в преимущественно несельскохозяйственных (Калининградская и Московская области) и остальных регионах исследования. Дальнейшая работа направлена на масштабирование разработанных подходов и уточнение результатов. Работа выполнена в рамках темы «Мониторинг» (госрегистрация № 122042500031-8) с использованием ресурсов ЦКП «ИКИ-Мониторинг» (Лупян и др., 2015).

Ключевые слова: Landsat, спутниковое картографирование, пахотные земли, забрасывание пашни
Литература:
  1. Плотников Д.Е., Колбудаев П.А., Барталев С.А., Лупян Е.А. Автоматическое распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 2. С. 112-127. DOI: 10.21046/2070-7401-2018-15-2-112-127.
  2. Plotnikov D.E., Loupian E.A., Kolbudaev P.A., Proshin A.A., Matveev A.M. Daily surface reflectance reconstruction using LOWESS on the example of various satellite systems // IEEE Xplore. VIII International Conference on Information Technology and Nanotechnology. (ITNT). 2022. DOI: 10.1109/ITNT55410.2022.9848630.
  3. Плотников Д.Е., Ёлкина Е.С., Дунаева Е.А., Хвостиков С.А., Лупян Е.А., Барталев С.А. Развитие метода автоматического распознавания озимых культур на основе спутниковых данных для оценки их состояния на территории Республики Крым // Таврический вестник аграрной науки. 2020. № 1(21). С. 64-83. DOI: 10.33952/2542-0720-2020-1-21-64-83.
  4. Плотников Д.Е., Барталев С.А., Лупян Е.А., Толпин В.А. Оценка точности выявления посевов озимых культур в весенне-летний период вегетации по данным прибора MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 4. С. 132-145. DOI: 10.21046/2070-7401-2017-14-4-132-145.
  5. Лупян Е.А., Денисов П.В., Середа И.И., Трошко К.А., Плотников Д.Е., Толпин В.А. Наблюдение развития озимых культур в южных регионах России весной 2020 г. на основе данных дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 285-291. DOI: 10.21046/2070-7401-2020-17-2-285-291.
  6. Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 263-284.
  7. Шабанов Н.В., Барталев С.А., Ерошенко Ф.В., Плотников Д.Е. Развитие возможностей дистанционной оценки индекса листовой поверхности по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 166-178. DOI: 10.21046/2070-7401-2018-15-4-166-178.
  8. Гаврилюк Е.А., Плотникова А.С., Плотников Д.Е. Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 5. С. 141-153. DOI: 10.21046/2070-7401-2018-15-5-141-153.
  9. Плотников Д.Е., Колбудаев П.А., Матвеев А.М., Лупян Е.А., Прошин А.А. Восстановление временных серий ежедневных значений дистанционных характеристик растительного покрова на основе LOWESS по данным различных спутниковых систем // VIII Международная конференция и молодежная школа "Информационные технологии и нанотехнологии". 23-27 Мая. Самара, 2022.
  10. Waldner F., Schucknecht A., Lesiv M., Gallego J., See L., Pérez-Hoyos A., d’Andrimont R., de Maet T., Laso Bayas J.C., Fritz S., Leo O., Kerdiles H., Díez M., Van Tricht K., Gilliams S., Shelestov A., Lavreniuk M., Simões M., Ferraz R., Bellón B., Bégué A., Hazeu, G., Stonacek V., Kolomaznik J., Misurec J., Veron S.R., De Abelleyra D., Plotnikov D.E., Mingyong L., Singha M., Patil P., Zhang Y., Defourny, Р. Conflation of expert and crowd reference data to validate global binary thematic maps // Remote Sensing of Environment. 2019. Vol. 221. P. 235–246. DOI: 10.1016/j.rse.2018.10.039.
  11. Breiman L., Random forests, Machine Learning, 2001, Vol. 45, Issue 1, pp. 5–32, DOI:10.1023/A:1010933404324.
  12. Zhu, X.; Chen, J.; Gao, F.; Chen, X.; Masek, J.G. An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions. Remote Sens. Environ. 2010, 114, 2610–2623.
  13. Huang, B., Zhang, H., Song, H., Wang, J., & Song, C. (2013). Unified fusion of remote-sensing imagery: Generating simultaneously high-resolution synthetic spatial–temporal–spectral earth observations. Remote sensing letters, 4(6), 561-569.
  14. Padhee, S. K., & Dutta, S. (2019). Spatio-temporal reconstruction of MODIS NDVI by regional land surface phenology and harmonic analysis of time-series. GIScience & Remote Sensing, 56(8), 1261-1288.

Презентация доклада



Ссылка для цитирования: Плотников Д.Е., Ёлкина Е.С., Антошкин А.А., Денисов П.В. Спутниковое картографирование тридцатилетней динамики пахотных земель регионов России на основе временных серий данных Landsat // Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2022. C. 109. DOI 10.21046/20DZZconf-2022a

Технологии и методы использования спутниковых данных в системах мониторинга

109