КАРТИРОВАНИЕ ЛЕСНЫХ И НЕ ЛЕСНЫХ ПЛОЩАДЕЙ С ИСПОЛЬЗОВАНИЕМ LANDSAT ТМ И АЛГОРИТМА «ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ» (ANNs)

Аннотация

В настоящей работе был рассмотрен ряд положений, которые касаются, главным образом, использования ANNs при картировании лесных и не лесных земель. Индикаторами устойчивого управления в лесном хозяйстве Европы на ландшафтном уровне (MCPFE 2003) являются пространственная структура и общая площадь лесов. Оба эти индикатора важны для принятия решений на уровне (MCPFE 2007), поэтому существует необходимость в своевременной и точной информации об их текущем состоянии. Целью настоящей работы явилось исследование потенциала метода «искусственные нейронные сети» (ANNs) при оценке дифференцирования лесных и не лесных земель, а также анализ применимости данных более высокого уровня, полученных по снимкам Landsat-5 TM с целью улучшения производительности классификатора (ANNs). Исходные параметры снимков были преобразованы при помощи инструментов трансформации изображений: «колпачок с кисточкой» (Tasseled Cap transformation) и анализа главных компонент (Principal Component Analysis, РСА). Исследования проводились в типичной для Средиземноморья местности на северо-востоке Греции. В результате оценки точности классификации было выявлено, что наиболее точная карта (общая точность – 91,76 %, коэффициент согласованности Каппа KIA=0,787) была создана с использованием метода ANNs на основе трёх изображений преобразованного методом «колпачок с кисточкой» снимка Landsat-TM. Сравнение полученной карты с общеевропейской картой лесного покрова 2000, разработанной Объединённым исследовательским центром (JRC) в 2000 году (FMAP 2000), показало, что общая точность классификации этой карты (OA=78,02 %, KIA=0,446) ниже, чем точность карты, которая была создана при помощи метода «искусственные нейронные цепи» (ANNs). Результаты исследования позволяют сделать вывод о том, что ANNs подходит для картирования лесных и не лесных земель, создания карт высокой точности, кроме того использование преобразования «колпачок с кисточкой» позволяет улучшить результаты картирования. По итогам работы были сделаны следующие выводы: комбинирование метода ANNs и снимков Landsat для картирования лесных и не лесных земель позволяет создавать карты высокой точности; использование данных более высокого уровня (анализа главных компонент (РСА) и преобразования «колпачок с кисточкой») для картирования лесных и не лесных земель с использованием ANNs позволило создать карту высокой точности греческого острова Лесбос; комбинирование параметров изображения Landsat, полученных на основе трансформированного метода «колпачок с кисточкой» и метода ANNs для картирования лесных и не лесных земель острова Лесбос, позволило создать карту приемлемой точности. Результаты исследований показали, что внедрение предложенной в настоящей работе методики создания карт лесных и не лесных земель позволяет получить карты более высокой точности, чем FMAP 2000. Дальнейшее исследование может быть связано с оценкой потенциала использования материала высокого порядка или спутниковых снимков, полученных от различных датчиков, для картографирования лесов и дифференцирования их от не покрытых лесом территорий при помощи ANNs.