+7-495-680-99-71
public@akc.ru
+7-495-680-89-87

На главнуюНаписать намКарта сайта

Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images

Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images

Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images

На сегодняшний день инвазия уссурийским полиграфом признана одним из основных факторов широкомасштабного усыхания сибирских лесов. Появление этого нового организма в пихтарниках серьезно ухудшило их состояние и привело к разнообразным экологическим эффектам в таежных экосистемах. В очагах массового размножения происходит снижение естественного биологического разнообразия, продуктивности лесов, изменение состава и структуры древесного и подчиненных ярусов. В данной работе предлагается методика определения степени поражения древостоев по цветным авиационным изображениям сверхвысокого разрешения (5…10 см на пиксель) с использованием методов машинного обучения. Методика включает в себя этапы предварительной обработки, сегментации крон отдельных деревьев, обучаемой классификации и оценки степени поражения в соответствии со стандартными категориями. Для отработки методики использовались изображения тестовых территорий заповедника «Столбы» (Красноярский край), полученные с помощью аппаратуры, установленной на беспилотные летательные аппараты DJI Phantom 3 Pro и Yuneec Typhoon H в мае 2016 г. Для этапа построения обучающего ансамбля предложена методика фильтрации обучающих данных, которая позволила повысить точность расчетов на этапе классификации. Приведено обоснование разделения трех основных классов объектов на подклассы с использованием кластерного анализа. Наличие подклассов обусловлено наличием различных пород деревьев на тестовом участке. Проведено сравнение эффективности различных методов обучаемой классификации, используемых для решения данной задачи. Показано, что все рассмотренные методы позволяют достичь предельно высокой точности – почти 95 %. Расчет значений параметра каппа показывает, что классификации, проведенные с помощью всех рассмотренных методов, имеют отличное соответствие экспертным данным. Проведен анализ устойчивости обучения. Оценки полной вероятности ошибки, полученные методами кросс-валидации и переклассификации, отличаются менее чем на 0,1 %, что свидетельствует об отсутствии проблемы переобучения. Анализ соотношения точности и скорости обработки показал, что наиболее целесообразно использовать нормальный байесовский классификатор. Высокая точность классификации позволяет получить оценки 6 степеней поражения древостоев на тестовом участке. Полученные результаты в дальнейшем могут быть использованы для работы региональных служб по управлению лесным хозяйством. Для цитирования: Дмитриев Е.В., Козуб В.А., Мельник П.Г., Соколов А.А., Сафонова А.Н. Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения // Лесн. журн. 2019. № 5. С. 9–24. (Изв. высш. учеб. заведений). DOI: 10.17238/issn0536-1036.2019.5.9 Финансирование: Работа выполнена при финансовой поддержке РФФИ, проект № 19-01-00215 «Исследование оперативных возможностей гиперспектральных технологий ДЗЗ для решения региональных задач с использованием действующих и перспективных ГСК космического базирования»
At present, the invasion by Ussuri polygraphus (Polygraphus proximus Blandf) is considered as one of the main factors of large-scale drying of Siberian forests. The appearance of this new organism in fir trees has led to seriously worsening their condition and a variety of ecological effects in taiga ecosystems. The strong decrease of natural biological diversity, forest productivity, changes in the composition and structure of tree and subordinate layers may occur in the centers of mass reproduction. In this paper, we propose a method for determination of category of forest damage from very high spatial resolution color airborne images (5–10 cm per pixel) using machine learning methods. The method includes the stages of preprocessing, segmentation of crowns of individual trees, the classification and assessment of the forest damage in accordance with conventional standards. The images of several test plots of Stolby Nature Reserve (Krasnoyarsk Territory), obtained with the help of equipment installed on unmanned aerial vehicles DJI Phantom 3 Pro and Yuneec Typhoon H in May 2016, were used for testing the method proposed. The filtering method proposed for the stage of constructing a training set made it possible to increase the accuracy at the classification stage. The substantiation of division of the three main classes of objects into subclasses using cluster analysis is given. The presence of subclasses is caused by presence of various tree species in the test plot. A comparison of the efficiency of various supervised classification methods used for solving this problem is performed. It is shown that all the considered methods allow us to achieve a sufficiently high accuracy, about 95%. The calculation of the Cohen’s kappa coefficient shows that the classifications carried out with the help of all the considered methods have excellent agreement with the expert data. The analysis of the stability of training is carried out. Estimates of the total probability of error obtained by methods of cross-validation and resubstitution differ by less than 0.1%, which indicates the absence of the problem of overtraining. The joint analysis of accuracy and processing speed has shown that it is most appropriate to use the normal Bayesian classifier. High classification accuracy allows us to obtain estimates of 6 categories of forest damage in the test plot. The results obtained can be potentially used by regional forest management services. For citation: Dmitriev E.V., Kozub V.A., Melnik P.G., Sokolov A.A., Safonova A.N. Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images. Lesnoy Zhurnal [Forestry Journal], 2019, no. 5, pp. 9–24. DOI: 10.17238/ issn0536-1036.2019.5.9 Funding: the work is supported by RFBR, project № 19-01-00215 «Investigation of operative opportunities of hyper-spectral technologies of remote sensing of the Earth to solve regional problems using updated hyper-spectral cameras from space».

Итого: 0.00руб.


Электронное издание «Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images» (бесплатно). Скачать номера в формате PDF.
  • ПодпискаЗдоровье и образование в XXI веке. Электронный научно-образовательный вестник
  • ПодпискаВестник ИРЯиК МГУ. Филология. Культурология. Педагогика. Методика
  • ПодпискаУправление качеством в нефтегазовом комплексе
  • ПодпискаЛичность. Культура. Общество
  • ПодпискаМир безопасности
  • ПодпискаФилософия и общество
  • ПодпискаИсторическая психология и социология истории
  • ПодпискаКондратьевские волны
  • ПодпискаИнформационно-управляющие системы
  • ПодпискаНаука и жизнь
  • ПодпискаВестник детско-юношеского туризма
  • ПодпискаСтудия Антре
  • ПодпискаБудь здоров! - 100 страниц о самом главном
  • ПодпискаЭкологический вестник России
  • ПодпискаКачественная архитектура

06.11.2024Все новости

«Газпром Медиа» в декабре выпустит свой первый глянцевый журнал

Компания «Газпром-медиа Развлекательное телевидение» выпустит глянцевое издание о стиле, бизнесе и образе жизни под названием «Мнение редакции* может не совпадать». Первый номер выйдет в декабре 2024 г., сообщили в пресс-службе.

подробнее »

ПОДПИСКА НА ЖУРНАЛЫ И ГАЗЕТЫ ON-LINE1

Мы используем cookie. Это позволяет нам анализировать взаимодействие посетителей с сайтом и делать его лучше. Продолжая пользоваться сайтом, вы соглашаетесь с использованием файлов cookie.
Подробнее можно ознакомиться на странице политики конфиденциальности и политики обработки персональных данных.

Загрузка...
Загрузка...