МЕТОД ФОРМИРОВАНИЯ КЛАССОВ ПРОСТРАНСТВЕННО РАСПРЕДЕЛЕННЫХ ОБЪЕКТОВ С ЦЕЛЬЮ ИХ КЛАССИФИКАЦИИ И РАСПОЗНАВАНИЯ НА МНОГОСПЕКТРАЛЬНЫХ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЯХ ВЫСОКОГО РАЗРЕШЕНИЯ
DOI:
https://doi.org/10.54668/2789-6323-2025-120-5-66-78Ключевые слова:
классификация, объект, методика, космический снимок, виды, растительностьАннотация
В работе рассматриваются методы автоматизированной классификации типов растительности и почвенного покрова на основе аэрокосмических данных высокого пространственного разрешения и геоинформационных технологий. Исследование выполнено с использованием космического снимка IKONOS и включает формирование обучающих и тестовых выборок для 12 классов растительности и почв, характерных для исследуемого региона. Проведён статистический анализ спектральных характеристик кластеров и оценка их репрезентативности и разделяемости. Показано, что неравномерное распределение обучающих примеров и перекрытие спектральных признаков отдельных классов снижают устойчивость классификации. Для повышения качества распознавания предложен подход, основанный на объединении спектрально близких классов и формировании альтернативных классификационных схем. Эффективность метода оценена с использованием статистического классификатора максимального правдоподобия и нейросетевого классификатора типа многослойного перцептрона. Полученные результаты подтверждают целесообразность оптимизации структуры классификационной схемы и состава обучающих выборок при решении задач аэрокосмического экологического мониторинга.
Библиографические ссылки
Якушев В.П., Захарян Ю.Г., Блохина С.Ю. Состояние и перспективы использования дистанционного зондирования Земли в сельском хозяйстве // Современные проблемы дистанционного зондирования Земли из космоса. - 2022. - Т. 19. - №1. - С. 287–294.
Нематзаде Р., Рзаева Г. Теоретические основы проектирования модели Геоинформационной системы для решения задач ДЗ по исследованию пространственно-распределенных объектов и ресурсов // Scientific Research International Scientific Journal. – 2024. – Vol. 4, Issue 10/99-105. e-ISSN: 2789-6919.
Груздов В.В., Колковский Ю.В., Криштопов А.В., Кудря А.И. Новые технологии дистанционного зондирования Земли из космоса. - Москва: ТЕХНОСФЕРА, 2018. – 482 с. ISBN 978-5-94836-502-2
Грекусис Дж. Методы и практика пространственного анализа. Описание, исследование и объяснение с использованием ГИС / пер. с анг. А.Н. Киселева. – Москва: ДМК Пресс, 2021.
Пузаченко М.Ю., Черненькова Т.В., Беляева Н.Г. Совместный анализ наземных и дистанционных данных при оценке структуры и состава лесов на примере западной части Подмосковья // Вестник СПбГУ. Науки о Земле. - 2020. - Т. 65. - Вып.2 - С.303-313
Ragimov R., Isgenderzade E., Ramazanov R., Samadov F., Jahidzada Sh. (2023). An innovative technology for aerospace monitoring of geotechnical systems based on the use of unmanned aerial vehicles (UAVs). Azerbaijan National Aerospace Agency 74th International Astronautical Congress Baku, Azerbaijan 2-6 October 2023
Ban H., Ahn J., Lee B. (2019). Assimilating MODIS data-derived minimum input data set and water stress factors into CERES-Maize model improves regional corn yield predictions. PLOS ONE, [e-journal] 14(2), e0211874. DOI: 10.1371/journal.pone.0211874.
Николаева О.В. Алгоритм обнаружения водных объектов на многоспектральных снимках // Современные проблемы дистанционного зондирования земли из космоса. - 2023. - Т. 20. - Вып. 3. - С 9-18.
Нематзаде Р.Г., Рзаева Г.З., Рагимов Р.М., Самедов Ф.Р. Выбор оптимального маршрута прокладки магистральных нефтегазопроводов на основе дешифрирования космических снимков высокого разрешения // Земля Беларуси. - 2025 (2). - С.53-58. https://belzeminfo.by/images/archive/2025/ZB_2025_2.pdf
Zhao H., Wang W., Zou X., Chen M., Pan Zh. (2025). Low-level and high-level features co-directed weakly supervised instance segmentation for optical remote sensing image interpretation. International Journal of Remote Sensing, Volume 46, Issue 13, P. 4959-4980.
PIMENTEL J.F.F., ARENAS R.D., SANTILLÁN Sh. M. Sh., APARICIO P.E.G., PIMENTEL D.E.F. (2022). Application Of Remote Sensing In Environmental Studies: A Theoretical Review. International Journal of Environmental, Sustainability, and Social Science. Vol. 3 No. 1.
Tan Y., Xu X., You H., Zhang Y., Chen M. (2025). Automated registration of forest point clouds from terrestrial and drone platforms using structural features. SPRS Journal of Photogrammetry and Remote Sensing. Volume 223. P. 28-45
Feigl J., Frey J., Seifert T., Koch B. (2025) Close-Range Remote Sensing of Forest Structure for Biodiversity Assessments: A Systematic Literature Review. Current Forestry Reports 11, 18. https://doi.org/10.1007/s40725-025-00251-x
Čorňák A., Delina R. (2022). Application of Remote Sensing Data in Crop Yield and Quality: Systematic Literature Review. Quality Innovation Prosperity. Vol. 26, No.3. p. 22-36. https://doi.org/10.12776/qip.v26i3.1708
Eze E., Girma A., Zenebe A., Kourouma J., Zenebe G. (2020). Exploring the possibilities of remote yield estimation using crop water requirements for area yield index insurance in a data-scarce dryland. Journal Of Arid Environments, [e-journal] 183, 104261. DOI: 10.1016/j.jaridenv.2020.104261.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Рашад Нематзаде, Гюнель Рзаева, Рауф Рагимов, Фарид Самедов
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
