1 Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, Россия, 2 Институт систем обработки изображений РАН -филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия Аннотация Статья посвящена разработке информационной технологии раннего распознавания видов сельскохозяйственных культур по набору космических снимков на территориях масштаба реги-она. Раннее распознавание проводится в первой половине посевного сезона и характеризуется нехваткой наземных и космических данных для настройки алгоритмов распознавания. Предла-гаемая в статье технология позволяет генерировать обучающую выборку по данным прошлых лет и использовать её для распознавания культур текущего года. Технология состоит их двух этапов. На первом этапе по данным за прошедшие годы формируются модели временных рядов, сельскохозяйственных культур и агросезонов. На втором этапе производится работа с данными текущего года. Сначала по немногочисленному набору опорных полей с известным видом куль-туры выбирается подходящая модель агросезона, близкая к развитию культур в текущем году, а затем по характеристикам модели агросезона генерируется обучающая выборка и выполняется распознавание культур текущего сезона. В статье оценивается качество распознавания с исполь-зованием предлагаемой информационной технологии и возможность её применения на терри-тории региона. Для экспериментальных исследований используются данные за 2011 -2015 го-ды, полученные на территории Самарской области.Ключевые слова: распознавание сельскохозяйственных культур, космические снимки, вегетационные индексы, временные ряды, NDVI, алгоритм вычисления оценок, модель временного ряда.
ВведениеВ настоящее время использование данных ди-станционного зондирования (далее -ДДЗ) Земли ста-ло привычным инструментом для решения широкого круга научно-производственных задач [1]. Активное использование космических снимков обусловлено их разнообразием: съемка оптико-электронными и ра-дарными системами предоставляет данные с широ-кими интервалами пространственного и временного разрешений. Сельское хозяйство также является сфе-рой активного развития и внедрения методов, осно-ванных на использовании спутниковых данных -раз-рабатываются и используются методы оценки и рас-познавания типов и границ посевов [2], прогнозиро-вания урожайности [3], оценки степени эрозии почвы и множества других важных задач.Данная статья посвящена распознаванию видов сельскохозяйственных (далее -с/х) культур по кос-мическим снимкам. Актуальность данной задачи не вызывает сомнений. Результаты распознавания при-меняются для учета и контроля использования сель-скохозяйственных земель со стороны региональных органов агропромышленного комплекса (далее -АПК) и сельхозтоваропроизводителей (далее -с/х производителей), контроля севооборота, выявления неиспользуемых земель в течение ряда лет, а также контроля использования субсидий путем выявления расхождений данных мониторинга с декларируемыми с/х производителями данными [4, 5].При распознавании с/х культур чрезвычайно важ-но получить результаты ...
Abstract. The paper proposes a crop identification method based on the algorithm for calculating estimates using satellites images. The classification features are the set of time series values, built by the sequence of satellite images, and geographic coordinate of field -latitude. Method was tested by using Terra/MODIS images and ground-based information. The comparison of the classification quality of proposed method with classification quality of the classifier based on Mahalanobis Distance is given.
Abstract. The paper deals with the problem of NDVI time series modeling and application of simulated data in task of crop identification by satellite images. The simulation is performed for six types (classes) of crops in each agricultural zone, situated in the territory of the Samara region. Simulation parameters for each class are calculated from the coefficients of approximation which are obtained by approximating the time series of real agricultural fields by the function of a certain kind. The generated sets of simulated time series are used for crop recognition on real fields, located on the territory of the Samara region.Keywords: time series, vegetation index, NDVI, satellite images, crops identification, crops recognition, algorithm for calculating estimates, time series approximation, time series modeling.Citation: Vorobiova NS, Chernov AV. NDVI time series modeling in the problem of crop identification by satellite images.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.