Спутниковый мониторинг является важным мероприятием при соблюдении требований лесного законодательства, проведении работ по лесоустройству и инвентаризации лесов. В работе проведена оценка приемлемости использования спутниковых изображений Sentinel-2 Европейского космического агентства для картографирования (дешифрирования) породного состава лесных насаждений Пензенской области. Авторами проведён анализ результатов трёх способов классификации спутниковых данных: картирования по спектральному углу (Spectral Angle Mapper, SAM), метода опорных векторов (Support Vector Machines, SVM) и метода максимального правдоподобия (Maximum Likelihood Classification, MLC). За два полевых сезона 2016-2017 гг. на исследуемой территории были заложены 278 тестовых участка, большая часть из которых (60 %) была использована для создания обучающей выборки классификации. Применённая методика декомпозиции спектральных смесей (Spectral Mixture Analysis) на базе обучающей выборки позволила выделить одиннадцать классов лесного покрова в Кирилловском-Подвышенском и Ольшанском лесничествах. Сравнение статистик «точность пользователя» и «точность производителя», полученных на вновь построенные тематические карты, подтверждает, что для выявления большинства классов лесного покрова лучший результат показывает способ классификации MLC. Об этом также свидетельствуют общая точность классификации 0,81 и коэффициент Каппа 0,76 на карты Кирилловского-Подвышенского лесничества, а также общая точность 0,76 и коэффициент Каппа 0,72 для Ольшанского участкового лесничества. Исследование показало, что при тематической классификации лесных насаждений по спутниковым снимкам Sentinel-2 следует учитывать группы возраста древостоев, что позволяет выделить два класса сосновых лесов, а также класс «молодняки хвойных и лиственных пород». Результаты тематической классификации и анализ полученных данных свидетельствуют о большом потенциале изображений спутниковой системы Sentinel-2, обладающих высоким пространственным и временным разрешением, для картографирования, инвентаризации лесов и лесоустройства Российской Федерации.
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.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.