Идентификация сельскохозяйственных культур с использованием радарных изображений

Аннотация

Одной из наиболее важных задач в практической сельскохозяйственной деятельности является идентификация сельскохозяйственных культур, произрастающих на отдельных полях в данный момент и ранее. Для снижения трудоемкости процесса идентификации в последние годы используются данные дистанционного зондирования Земли (ДЗЗ), в том числе значения индексов, рассчитываемые по ходу периода вегетации. При этом обработка оптических спутниковых снимков и получение достоверных значений индексов зачастую бывает затруднено из-за облачности во время съемки. Для решения этой проблемы в статье предложено использовать в качестве основного показателя, характеризующего сельскохозяйственную культуру, кривую сезонного хода радарного вегетационного индекса с двойной поляризацией (DpRVI). В период 2017-2020 гг. для идентификации культур на опытных полях Дальневосточного научно-исследовательского института сельского хозяйства (ДВ НИИСХ) было получено и обработано 48 радарных снимков Хабаровского муниципального района Хабаровского края со спутника Sentinel-1 (разрешение 22 м, интервал съемки − 12 дней). В качестве основных идентифицируемых культур выступали соя и овес. Также были добавлены пиксели полей, не занятых данными культурами (кормовые травы, заброшенные поля). Были получены ряды значений DpRVI как для отдельных пикселей и полей, так и аппроксимированные ряды для трех классов. Аппроксимация проводилась с использованием функции Гаусса, двойной логистической функции, квадратного и кубического полиномов. Установлено, что оптимальным алгоритмом аппроксимации является использование двойной логистической функции (средняя ошибка составила 4,6%). В среднем, ошибка аппроксимации индекса вегетации для сои не превышала 5%, для многолетних трав – 8,5%, а для овса – 11%. Для опытных полей общей площадью 303 га с известным севооборотом была проведена классификация взвешенным методом k ближайших соседей (обучающая выборка сформирована по данным 2017-2019 гг, тестовая -2020 г.). В результате верно идентифицировано 90% полей. Общая точность классификации по пикселям составила 73%, что позволило выявить несоответствие реальных границ полей заявленным, определить заброшенные и заболоченные участки. Таким образом, установлено, что индекс DpRVI может быть использован для идентификации сельскохозяйственных культур юга Дальнего Востока и служить основой для автоматического классифицирования пахотных земель.

Abstract

One of the most important tasks in practical agricultural activity is the identification of agricultural crops, both those growing in individual fields at the moment and those that grew in these fields earlier. To reduce the complexity of the identification process in recent years, data from remote sensing of the Earth (remote sensing), including the values of vegetation indices calculated during the growing season, have been used. At the same time, processing optical satellite images and obtaining reliable index values is often difficult, which is due to cloud cover during the shooting. To solve this problem, the article suggests using the seasonal course curve of the radar vegetation index with double polarization (DpRVI) as the main indicator characterizing agricultural crops. In the period 2017-2020, 48 radar images of the Khabarovsk Municipal District of the Khabarovsk Territory from the Sentinel-1 satellite were received and processed to identify crops in the experimental fields of the Far Eastern Research Institute of Agriculture (FEARI) (resolution 22 m, shooting interval - 12 days). Soybeans and oats were the main identified crops. Pixels of fields not occupied by these crops (forage grasses, abandoned fields) were also added. The series of values of DpRVI were obtained both for individual pixels and fields, and approximated series for three classes. The approximation was carried out using the Gaussian function, the double logistic function, the square and cubic polynomials. It is established that the optimal approximation algorithm is the use of a double logistic function (the average error was 4.6%). On average, the approximation error of the vegetation index for soybeans did not exceed 5%, for perennial grasses – 8.5%, and for oats - 11%. For experimental fields with a total area of 303 hectares with a known crop rotation, the classification was carried out by the weighted method of k nearest neighbors (the training sample was formed according to the data of 2017-2019, the test sample -2020). As a result, 90% of the fields were correctly identified, and the overall pixel classification accuracy was 73%, which made it possible to identify the discrepancy between the actual boundaries of the fields declared to identify abandoned and swampy areas. Thus, it is established that the DpRVI index can be used to identify agricultural crops in the south of the Far East and serve as the basis for the automatic classification of arable land.